📦 资源信息
网盘类型：夸克网盘
🔗 下载地址
夸克网盘点击下载
📁 文件列表
机器学习必修课：经典AI算法与编程实战
快照
下载📁 1 个文件夹📄 122 个文件💾 总大小: 3.07 GB
- 全网新闻媒体最全价格最低资源表www.adsxiu.com.xlsx6.01 MB
- 2000T热门资源分享.xlsx1.63 MB
- 04-1本章总览.mp412.11 MB
- 04-9KNN优缺点和适用条件.mp420.86 MB
- 09-4SVM软间隔.mp425.49 MB
- 09-10SVM优缺点和适用条件.mp411.32 MB
- 08-4正向传播与反向传播.mp423.42 MB
- 14-4隐马尔可夫模型代码实现.mp443.03 MB
- 03-7Numpy数组创建：特定数组、等差数组、随机数组.mp436.91 MB
- 12-4聚类算法代码实现.mp421.93 MB
- 06-8模型误差.mp442.8 MB
- 03-12Numpy数组arg运算和排序.mp418.39 MB
- 08-3激活函数.mp436.11 MB
- 15-3房价预测.mp467.17 MB
- 05-7逻辑回归算法.mp421.81 MB
- 09-3硬间隔SVM.mp433.05 MB
- 01-3课程使用的技术栈.mp437.01 MB
- 14-3EM算法参数估计.mp420.45 MB
- 05-9多分类策略.mp48.68 MB
- 13-2PCA核心思想和原理.mp425.38 MB
- 11-6串行策略：Boosting.mp427.39 MB
- 06-4决策边界.mp425.28 MB
- 08-2神经网络核心思想和原理.mp456.43 MB
- 15-1本章总览.mp48.53 MB
- 09-2SVM核心思想和原理.mp415.71 MB
- 05-8线性逻辑回归代码实现.mp428.49 MB
- 06-7交叉验证.mp423.9 MB
- 10-2贝叶斯方法核心思想和原理.mp431.95 MB
- 08-9神经网络优缺点和适用条件.mp420.2 MB
- 03-2Anaconda图形化操作.mp415.87 MB
- 06-3梯度下降.mp435.66 MB
- 09-7SVM核函数.mp421.91 MB
- 08-6神经网络简单代码实现.mp428.88 MB
- 04-7特征归一化.mp427.78 MB
- 06-9正则化.mp445.01 MB
- 02-2数据长什么样：常见数据集、典型实例、如何使用.mp435.28 MB
- 06-13评价指标：ROC曲线.mp433.8 MB
- 07-5基尼系数.mp419.63 MB
- 05-3逻辑回归核心思想和原理.mp425.37 MB
- 04-5模型评价.mp433.82 MB
- 04-8KNN回归任务代码实现.mp429.45 MB
- 02-5机器学习的七大常见误区和局限.mp435.12 MB
- 13-4PCA算法代码实现.mp415.17 MB
- 10-6贝叶斯方法优缺点和适用条件.mp425.46 MB
- 02-4如何分门别类：监督、无监督、强化学习等.mp429.27 MB
- 07-8决策树优缺点和适用条件.mp416.52 MB
- 12-2聚类算法核心思想和原理.mp416.26 MB
- 07-3信息熵.mp439.7 MB
- 09-5线性SVM分类任务代码实现.mp417.88 MB
- 04-3KNN分类任务代码实现.mp432.76 MB
- 03-13Numpy数组神奇索引和布尔索引.mp423.67 MB
- 03-8Numpy数组基础索引：索引和切片.mp416.82 MB
- 01-2初识机器学习.mp436.89 MB
- 11-5并行策略：随机森林.mp417.55 MB
- 05-11线性算法优缺点和适用条件.mp421.56 MB
- 05-1本章总览.mp414.52 MB
- 12-6聚类算法优缺点和适用条件.mp419.69 MB
- 03-3Anaconda命令行操作.mp418.94 MB
- 03-11Numpy数组统计运算：常用的都在这儿了.mp416.03 MB
- 07-1本章总览.mp414.39 MB
- 06-1本章总览.mp430.55 MB
- 03-5JupyterNotebook高级使用：常用魔法命令.mp414.99 MB
- 11-8集成学习优缺点和适用条件.mp424.86 MB
- 09-6非线性SVM：核技巧.mp435.3 MB
- 05-5模型评价：MSE、RMSE、MAE和R方.mp429.13 MB
- 07-2决策树核心思想和原理.mp422.73 MB
- 08-8模型选择.mp439.68 MB
- 05-2线性回归核心思想和原理.mp440.35 MB
- 03-1本章总览：相互关系与学习路线.mp49.16 MB
- 10-4朴素贝叶斯的代码实现.mp427.24 MB
- 09-1本章总览.mp435.65 MB
- 02-1本章总览.mp47.86 MB
- 06-2损失函数.mp439.35 MB
- 02-3研究哪些问题：分类、回归等.mp439.98 MB
- 06-5过拟合与欠拟合.mp425.13 MB
- 15-5如何深入研究机器学习.mp411.51 MB
- 01-1课程内容和理念.mp460.86 MB
- 07-6决策树剪枝.mp425.97 MB
- 10-5多项式朴素贝叶斯代码实现.mp423.65 MB
- 13-5降维任务代码实现.mp423.61 MB
- 14-2概率图模型核心思想和原理.mp452.82 MB
- 09-9SVM回归任务代码实现.mp414.35 MB
- 03-9Numpy非常重要的数组合并与拆分操作.mp418.71 MB
- 12-1本章总览.mp49.93 MB
- 06-10LASSO和岭回归代码实现.mp423.94 MB
- 11-3集成学习代码实现.mp424.36 MB
- 08-1本章总览.mp426.78 MB
- 09-8非线性SVM代码实现.mp422.93 MB
- 04-4数据集划分：训练集与预测集.mp431.74 MB
- 14-1本章总览.mp413.97 MB
- 07-7决策树回归任务代码实现.mp412.6 MB
- 05-10复杂逻辑回归及代码实现.mp418.03 MB
- 03-10Numpy数组矩阵运算：一元运算、二元运算与矩阵运算.mp432.97 MB
- 11-2集成学习核心思想和原理.mp419.98 MB
- 15-4交易反欺诈代码实现.mp435.9 MB
- 13-1本章总览.mp417.31 MB
- 11-1本章总览.mp414.58 MB
- 04-2KNN算法核心思想和原理.mp439.42 MB
- 06-11模型泛化.mp424.56 MB
- 13-3PCA求解算法.mp421.56 MB
- 06-12评价指标：混淆矩阵、精准率和召回率.mp436.52 MB
- 13-6PCA在数据降噪中的应用.mp413.79 MB
- 05-6多项式回归代码实现.mp419.65 MB
- 06-6学习曲线.mp426.73 MB
- 15-2泰坦尼克生还预测.mp461.96 MB
- 07-4决策树分类任务代码实现.mp438.72 MB
- 10-3朴素贝叶斯分类.mp420.3 MB
- 13-8主成分分析优缺点和适用条件.mp49.45 MB
- 11-7结合策略：Stacking方法.mp413.32 MB
- 08-5梯度下降优化算法.mp436.83 MB
- 03-4JupyterNotebook基础使用.mp419.82 MB
- 11-4并行策略：Bagging、OOB等方法.mp438.79 MB
- 03-14Matplotlib数据可视化：基础绘制与设置.mp422.99 MB
- 12-5聚类评估代码实现.mp420.3 MB
- 08-7梯度消失和梯度爆炸.mp428.5 MB
- 12-3k-means和分层聚类.mp422.78 MB
- 04-6超参数.mp430.33 MB
- 10-1本章总览.mp422.39 MB
- 13-7PCA在人脸识别中的应用.mp428.39 MB
- 14-5概率图模型优缺点和适用条件.mp411.6 MB
- 05-4线性回归代码实现.mp427.96 MB
- 03-6Numpy基础：安装与性能对比.mp415.47 MB
发表评论