文泉课堂
- 年轻人的新知识课堂。
旗下网站
旗下产品
文泉考试
文泉题库
关注我们
文泉课堂公众号
课程
课程
登录
注册
登录
注册
Python快乐编程——机器学习从入门到实战-(9787302576969/084752-01)
第63课时: 8.1线性回归原理
查看课程
课时列表
第1课时: 1.1.1机器学习的起源及发展
第2课时: 1.1.2监督学习
第3课时: 1.1.3无监督学习
第4课时: 1.1.4半监督学习
第6课时: 1.1.6机器学习程序开发步骤
第7课时: 1.1.7机器学习发展现状
第8课时: 1.1.8机器学习的未来
第9课时: 1.2使用Python语言开发
第10课时: 1.3.1NumPy函数库的安装
第11课时: 1.3.2NumPy函数库入门
第12课时: 1.4.1SciPy函数库的安装
第13课时: 1.4.2SciPy函数库入门
第14课时: 1.5.1Matplotlib库的安装
第15课时: 1.5.2Matplotlib库的使用
第16课时: 1.6集成开发环境Anaconda
第18课时: 2.1.1K-近邻算法的基本思想
第19课时: 2.1.2K-近邻的距离度量表示法
第20课时: 2.1.3K值的选择
第17课时: 2.1K-近邻算法概述
第21课时: 2.2.1KD树简介
第22课时: 2.2.2KD树的构建
第5课时: 1.1.5强化学习
第23课时: 2.2.3搜索KD树
第24课时: 2.3实战 利用 K-近邻算法改进约会网站
第25课时: 3.1.1决策树简介
第26课时: 3.1.2信息与自信息
第27课时: 3.1.3信息熵
第28课时: 3.1.4信息增益与划分数据集
第29课时: 3.2构建决策树
第30课时: 4.1概率分布与贝叶斯决策论
第31课时: 4.2条件概率
第32课时: 4.3贝叶斯分类
第33课时: 4.4朴素贝叶斯分类
第34课时: 4.5.1将单词表转换为向量
第35课时: 4.5.2概率计算
第36课时: 4.5.3通过朴素贝叶斯模型进行文件分类
第37课时: 4.6.1切分文本
第38课时: 4.6.2通过朴素贝叶斯模型过滤垃圾邮件
第39课时: 5.1.1逻辑回归简介
第40课时: 5.1.2 Sigmoid函数简介
第42课时: 5.2.1二维坐标系中的梯度下降算法
第43课时: 5.2.2三维坐标系中的梯度下降算法
第41课时: 5.2梯度下降算法
第44课时: 5.3通过梯度下降算法找到最佳参数
第45课时: 5.4决策边界
第46课时: 5.5.1批量梯度下降算法
第47课时: 5.5.2随机梯度下降算法
第49课时: 6.2寻找最大间隔
第48课时: 6.1.1支持向量机简介
第50课时: 6.3.1序列最小化算法简介
第51课时: 6.3.2通过序列最小优化算法处理小规模数据集
第52课时: 6.3.3通过完整的序列最小优化算法进行优化
第54课时: 6.4.1高斯核函数
第55课时: 6.4.2高斯核函数的应用
第53课时: 6.4核函数及其应用
第56课时: 7.1集成学习算法简介
第57课时: 7.2AdaBoost算法原理
第58课时: 7.3单层决策树与AdaBoost算法
第59课时: 7.4实战:通过AdaBoost算法进行分类
第60课时: 7.5.1分类性能度量指标 正确率、 召回率
第61课时: 7.5.2分类性能度量指标:ROC曲线
第62课时: 7.5.3非均衡数据的采样方法
第63课时: 8.1线性回归原理
第64课时: 8.1.1简单的线性回归
第66课时: 8.2局部加权线性回归
第65课时: 8.1.2多元线性回归
第67课时: 9.1无监督学习算法
第68课时: 9.2K-Means算法简介
第69课时: 9.3构建简单的K-means模型
第70课时: 9.4.1肘部法则
第71课时: 9.4.2轮廓系数
第72课时: 9.4.3间隔统计量
第73课时: 9.4.4Canopy算法
第74课时: 9.5二分K-means算法
第75课时: 10.1关联分析算法简介
第76课时: 10.2Apriori算法的工作原理
第77课时: 10.3实战:Python编程发现频繁项集
第78课时: 10.4实战:Python编程发现强关联规则
第79课时: 11.1FP-growth算法
第80课时: 11.2.1创建FP树的数据结构
第81课时: 11.2.2通过Python构建FP树
第82课时: 11.3.1提取条件模式基
第83课时: 12.1数据降维
第84课时: 12.2实战 通过Python 实现简单的主成分分析
第85课时: 12.3对Iris 数据集降维
第86课时: 13.1特征值分解
第87课时: 13.2奇异值分解简介
第88课时: 13.3实战 通过Python 实现图片压缩
第89课时: 13.4.1推荐算法概述
第90课时: 13.4.2协同推荐系统概述
第91课时: 13.4.3实战 通过Python实现基于用户的协同推荐系统
第92课时: 13.4.4实战 通过Python 实现基于物品的协同推荐系统
第93课时: 13.4.5构建推荐引擎面临的挑战
学
习
中
心
TOP