机器学习 -移花宫 -武林禁地，闲人禁止入内

Python3入门机器学习经典算法与应用

第8章多项式回归与模型泛化/8-6 验证数据集与交叉验证.mp4 233.4 MB
第4章最基础的分类算法-k近邻算法 kNN/4-3 训练数据集，测试数据集.mp4 223.7 MB
第4章最基础的分类算法-k近邻算法 kNN/4-5 超参数.mp4 217.3 MB
第4章最基础的分类算法-k近邻算法 kNN/4-2 scikit-learn中的机器学习算法封装.mp4 216.3 MB
第3章 Jupyter Notebook, numpy和m/3-7 Numpy中的矩阵运算.mp4 216.0 MB
第6章梯度下降法/6-5 梯度下降的向量化和数据标准化.mp4 213.2 MB
第9章逻辑回归/9-5 决策边界.mp4 202.9 MB
第3章 Jupyter Notebook, numpy和m/3-10 Numpy中的比较和FancyIndexing.mp4 199.9 MB
第3章 Jupyter Notebook, numpy和m/3-2 jupyter notebook中的魔法命令.mp4 198.7 MB
第3章 Jupyter Notebook, numpy和m/3-4 创建numpy数组和矩阵.mp4 197.2 MB
第6章梯度下降法/6-2 模拟实现梯度下降法.mp4 194.4 MB
第4章最基础的分类算法-k近邻算法 kNN/4-8 scikit-learn中的Scaler.mp4 194.3 MB
第5章线性回归法/5-5 衡量线性回归法的指标 MSE,RMS,MAE.mp4 192.2 MB
第8章多项式回归与模型泛化/8-8 模型泛化与岭回归.mp4 189.0 MB
第7章 PCA与梯度上升法/7-3 求数据的主成分PCA.mp4 187.3 MB
第4章最基础的分类算法-k近邻算法 kNN/4-4 分类准确度.mp4 183.3 MB
第7章 PCA与梯度上升法/7-6 scikit-learn中的PCA.mp4 180.7 MB
第3章 Jupyter Notebook, numpy和m/3-1 jupyter notebook基础.mp4 177.4 MB
第7章 PCA与梯度上升法/7-5 高维数据映射为低维数据.mp4 176.8 MB
第4章最基础的分类算法-k近邻算法 kNN/4-6 网格搜索与k近邻算法中更多超参数.mp4 176.2 MB

[磁力链接] 添加时间:2021-04-25 大小:11.6 GB 最近下载:2024-03-14 热度:74

第20天spark机器学习

spark-推荐系统2.wmv 72.1 MB
spark-推荐系统1.wmv 67.4 MB
spark库介绍.wmv 53.2 MB
spark作业.wmv 49.1 MB
作业.wmv 27.5 MB
spark-DataFrame的基本介绍与创建.wmv 27.2 MB
spark作业讲解.wmv 23.7 MB
spark-DataFrame常用属性和方法.wmv 19.8 MB

[磁力链接] 添加时间:2022-05-04 大小:340.1 MB 最近下载:2024-03-07 热度:8

Stanford机器学习课程

12 - 6 - Using An SVM (21 min).mkv 24.8 MB
12 - 3 - Mathematics Behind Large Margin Classification (Optional) (20 min).mkv 22.6 MB
5 - 2 - Moving Data Around (16 min).mkv 21.5 MB
18 - 3 - Getting Lots of Data and Artificial Data (16 min).mkv 19.5 MB
6 - 6 - Advanced Optimization (14 min).mkv 18.8 MB
14 - 4 - Principal Component Analysis Algorithm (15 min).mkv 18.4 MB
5 - 1 - Basic Operations (14 min).mkv 18.4 MB
12 - 4 - Kernels I (16 min).mkv 18.2 MB
12 - 5 - Kernels II (16 min).mkv 18.0 MB
4 - 6 - Normal Equation (16 min).mkv 17.7 MB
16 - 2 - Content Based Recommendations (15 min).mkv 17.5 MB
6 - 3 - Decision Boundary (15 min).mkv 17.3 MB
1 - 4 - Unsupervised Learning (14 min).mkv 17.2 MB
12 - 1 - Optimization Objective (15 min).mkv 17.2 MB
18 - 2 - Sliding Windows (15 min).mkv 17.1 MB
5 - 5 - Control Statements_ for, while, if statements (13 min).mkv 17.1 MB
15 - 8 - Anomaly Detection using the Multivariate Gaussian Distribution (Optional) (14 min).mkv 16.9 MB
9 - 7 - Putting It Together (14 min).mkv 16.9 MB
18 - 4 - Ceiling Analysis_ What Part of the Pipeline to Work on Next (14 min).mkv 16.7 MB
5 - 6 - Vectorization (14 min).mkv 16.6 MB