Ι 课程介绍
* 课程包括：视频+课程资料
* 课程售价：¥14.9元（会员&永久会员免费）
* 课程目录：如下
1.10深度学习知识总结_.mp4
1.1机器学习算法一览与优先级建议_.mp4
1.2核心算法精讲机器学习概述与模型评估_.mp4
1.3核心算法精讲线性回归与逻辑回归_.mp4
1.4核心算法精讲分类问题与不同的决策树_.mp4
1.5核心算法细讲回归树与随机森林_.mp4
1.6核心算法精讲贝叶斯分类器_.mp4
1.7核心算法精讲聚类算法_.mp4
1.8核心算法精讲数据降维与pca_.mp4
1.9核心算法细讲模型集成BoostingGBDT与XGboost_.mp4
2.10模型集成BoostingGBDT与Xgboost总结上_.mp4
2.10模型集成BoostingGBDT与Xgboost总结下_.mp4
2.1machinelearningcheatsheet_.mp4
2.2机器学习基本概念与知识_.mp4
2.3机器学习评估指标_.mp4
2.4二分类的AUC计算_.mp4
2.5线性模型部分知识点总结_.mp4
2.6决策树模型知识点总结_.mp4
2.7支持向量机知识点总结_.mp4
2.8贝叶斯分类器知识点总结_.mp4
2.9聚类与降维知识点总结_.mp4
3.1.1线性模型_.mp4
3.1.2最小二乘_.mp4
3.1.3线性分类器_.mp4
3.1.4极大似然_.mp4
3.1.5逻辑回归1_.mp4
3.1.6逻辑回归2_.mp4
3.1.7岭回归_.mp4
3.1.8LASSO_.mp4
3.2.1决策树简介_.mp4
3.2.2信息熵1_.mp4
3.2.2信息熵2_.mp4
3.2.3ID3算法_.mp4
3.2.4决策树节点的划分_.mp4
3.2.5CART树_.mp4
3.3.2拉格朗日乘子法2_.mp4
3.3.3拉格朗日乘子法3_.mp4
3.3.5拉格朗日对偶问题_.mp4
3.3.6支持向量_.mp4
3.3.7svm计算过程_.mp4
3.4.1朴素贝叶斯_.mp4
3.4.2朴素贝叶斯的实际应用_.mp4
3.5.1kmeans算法_.mp4
3.5.2PCA降维_.mp4
3.6.1Bagging_.mp4
3.6.2Boosting_.mp4
3.6.3GradientBoosting_.mp4
3.7.1神经网络反向传播_.mp4
3.7.2神经网络CNN_.mp4
3.7.3神经网络RNN_.mp4
4.1内容说明_.mp4
4.2.1机器学习概述与流程回顾_.mp4
4.2.3sklearn分类_.mp4
4.2.4sklearn回归_.mp4
4.2.5sklearn模型选择与超参数调优_.mp4
4.2.6sklearn数据吹和特征工程_.mp4
4.2.7模型集成基础_.mp4
4.3.1XGboost参数介绍_.mp4
4.3.2Xgboost使用方法详解_.mp4
4.3.3LightGBN参数介绍_.mp4
4.3.4LightGBM使用方法详解_.mp4
4.3.5新零售预估案例_.mp4
4.4.1Spark数据处理与特征工程_.mp4
4.4.2Spark无监督学习_.mp4
4.4.3Spark监督学习_.mp4
4.4.4Spark机器学习案例_.mp4
4.5.1pytorch张量_.mp4
4.5.2pytorch自动微分_.mp4
4.5.3pytorch神经网络初步_.mp4
4.5.4pytorch构建cnn对cifar10识别_.mp4
4.5.5pytorch多GPU训练_.mp4
4.5.6pytorch卷积神经网络_.mp4
4.5.7pytorch循环神经网络_.mp4
4.6.1tensflow初步与softmax构建_.mp4
4.6.2tensflow多层感知器_.mp4
4.6.3tensflow卷积神经网络与模型存储加载_.mp4
小象学院机器学习集训营.zip
