课程信息

全球超百万人必须的经典课程，作业班帮助你学以致用

课程目录

├── 1.01-01-机器学习概述.mp4 25.18M

├── 2.02-01-线性回归简介、数学符号、假设函数、损失函数、代价函数.mp4 19.44M

├── 3.02-02-梯度下降法..mp4 20.05M

├── 4.02-03-梯度下降法代码实现.mp4 11.93M

├── 5.02-04-使用梯度下降法求解线性回归问题.mp4 22.18M

├── 6.02-05-线性回归代码实现.mp4 21.45M

├── 7.02-06-线性回归代码实现-做特征归一化.mp4 23.52M

├── 8.02-07-批量梯度下降，随机梯度下降，小批量梯度下降.mp4 9.55M

├── 9.02-08-几种常见的模型评价指标.mp4 19.81M

├── 10.02-09-欠拟合与过拟合.mp4 10.50M

├── 11.02-10-Ridge回归求解与代码实现.mp4 17.56M

├── 12.02-11-LASSO回归求解.mp4 19.23M

├── 13.02-12-LASSO回归求解举例说明.mp4 10.13M

├── 14.02-13-LASSO回归代码实现.mp4 13.85M

├── 15.02-14-最小二乘法求线性回归.mp4 15.53M

├── 16.02-15-最小二乘法代码实现.mp4 7.81M

├── 17.02-16-使用Sklearn实现Ridge，LASSO和ElasticNet.mp4 16.95M

├── 18.02-17-波士顿房价预测(上).mp4 25.00M

├── 19.02-17-波士顿房价预测(下).mp4 34.86M

├── 20.03-01-逻辑回归简介、假设函数、损失函数、成本函数.mp4 14.75M

├── 21.03-02-逻辑回归求解.mp4 18.92M

├── 22.03-03-一个示例解释逻辑回归的求解公式.mp4 10.35M

├── 23.03-04-逻辑回归代码实现(上).mp4 23.67M

├── 24.03-04-逻辑回归代码实现(下).mp4 20.95M

├── 25.03-05-逻辑回归的正则化.mp4 14.57M

├── 26.03-06-逻辑回归实现多分类方法.mp4 18.95M

├── 27.03-07-使用Sklearn实现逻辑回归.mp4 12.20M

├── 28.03-08-案例：鸢尾花分类.mp4 33.41M

├── 29.03-09-案例：手写数字识别.mp4 28.84M

├── 30.04-01-决策树简介、熵.mp4 13.16M

├── 31.04-02-条件熵及计算举例.mp4 9.95M

├── 32.04-03-信息增益、ID3算法.mp4 11.44M

├── 33.04-04-决策树代码实现(1-熵的计算).mp4 14.13M

├── 34.04-04-决策树代码实现(2-划分数据集、选择最好的特征).mp4 25.06M

├── 35.04-04-决策树代码实现(3-类别投票表决).mp4 8.77M

├── 36.04-04-决策树代码实现(4-决策树递归生成，决策树对新数据进行预测).mp4 19.93M

├── 37.04-05-C4.5算法.mp4 7.42M

├── 38.04-06-基尼指数(GiniIndex)生成决策树.mp4 13.12M

├── 39.04-07-决策树剪枝.mp4 12.29M

├── 40.04-08-决策树处理连续值与缺失值.mp4 17.01M

├── 41.04-09-多变量决策树.mp4 8.96M

├── 42.04-10-Sklearn实现决策树.mp4 23.94M

├── 43.04-11-案例：使用决策树进行个人信用风险评估(1.数据集介绍、数据预处理).mp4 22.96M

├── 44.04-11-案例：使用决策树进行个人信用风险评估(2.模型评估指标).mp4 18.76M

├── 45.04-11-案例：使用决策树进行个人信用风险评估(3.模型评估，优化).mp4 13.88M

├── 46.05-01-贝叶斯决策简介.mp4 15.01M

├── 47.05-02-贝叶斯决策模型.mp4 8.47M

├── 48.05-03-朴素贝叶斯模型.mp4 13.74M

├── 49.05-04-朴素贝叶斯代码实现(1.训练过程).mp4 24.01M

├── 50.05-04-朴素贝叶斯代码实现(2.预测过程).mp4 10.09M

├── 51.05-05-拉普拉斯修正及代码实现.mp4 17.16M

├── 52.05-06-朴素贝叶斯如何处理连续型数据.mp4 7.04M

├── 53.05-07-Sklearn实现朴素贝叶斯.mp4 10.57M

├── 54.05-08-案例：垃圾邮件识别(1.实现原理).mp4 9.23M

├── 55.05-08-案例：垃圾邮件识别(2.代码实现).mp4 25.58M

├── 56.06-01-支持向量机简介.mp4 6.19M

├── 57.06-02-线性可分支持向量机(几何间隔，函数间隔，目标函数).mp4 23.51M

├── 58.06-03-拉格朗日乘子法求带有等式约束的极值问题.mp4 18.45M

├── 59.06-04-拉格朗日乘子法求带有不等式约束的极值问题、KKT条件.mp4 16.39M

├── 60.06-05-目标函数求解(1.对偶问题、先对w、b求极小).mp4 18.74M

├── 61.06-06-目标函数求解(2.对alpha求极大).mp4 9.11M

├── 62.06-07-SVM求解举例.mp4 31.26M

├── 63.06-08-线性支持向量机的目标函数.mp4 10.68M

├── 64.06-09-线性支持向量机目标函数优化.mp4 15.59M

├── 65.06-10-非线性支持向量机简介.mp4 18.83M

├── 66.06-11-非线性支持向量机的目标函数.mp4 8.22M

├── 67.06-12-SMO算法推导结果.mp4 16.26M

├── 68.06-13-1SVM代码实现之简易版(上).mp4 40.91M

├── 69.06-13-1SVM代码实现之简易版(下).mp4 11.69M

├── 70.06-13-2SVM代码实现之改进版.mp4 23.61M

├── 71.06-13-3SVM代码实现之引进核函数版.mp4 17.17M

├── 72.06-14-SMO算法推导过程1.mp4 12.29M

├── 73.06-14-SMO算法推导过程2.mp4 12.52M

├── 74.06-14-SMO算法推导过程3.mp4 7.42M

├── 75.06-14-SMO算法推导过程4.mp4 10.73M

├── 76.06-15-SVM总结.mp4 7.67M

├── 77.06-16-Sklearn实现SVM1.mp4 9.06M

├── 78.06-16-Sklearn实现SVM2-3.输出常用属性值，使用高斯核.mp4 13.76M

├── 79.06-16-Sklearn实现SVM4.调参.mp4 12.09M

├── 80.06-17-案例：使用SVM完成人脸识别.mp4 32.26M

├── 81.07-01-K-means基本原理及推导.mp4 8.77M

├── 82.07-02-K-means中距离计算方法.mp4 9.71M

├── 83.07-03-K-means代码实现(1原生代码实现).mp4 26.75M

├── 84.07-03-K-means代码实现(2sklearn实现KMeans).mp4 5.31M

├── 85.07-04-层次聚类原理及距离计算.mp4 10.59M

├── 86.07-05-层次聚类举例.mp4 7.21M

├── 87.07-06-Sklearn实现层次聚类.mp4 7.40M

├── 88.07-07-密度聚类.mp4 11.07M

├── 89.07-08-Sklearn实现密度聚类.mp4 5.53M

├── 90.07-09-高斯混合模型介绍.mp4 11.58M

├── 91.07-10-高斯混合模型参数估计.mp4 19.38M

├── 92.07-11-1高斯混合模型原生代码实现.mp4 26.66M

├── 93.07-11-2Sklearn实现高斯混合模型.mp4 7.91M

├── 94.07-12-案例：对亚洲足球队进行聚类分析.mp4 9.82M

├── 95.08-01-主成分分析介绍.mp4 13.29M

├── 96.08-02-协方差矩阵的特征值分解算法.mp4 10.36M

├── 97.08-03-协方差矩阵的特征值分解算法代码实现.mp4 18.90M

├── 98.08-04-基于数据矩阵的奇异值分解算法.mp4 9.66M

├── 99.08-05-基于数据矩阵的奇异值分解算法代码实现.mp4 8.52M

├── 100.08-06-Sklearn实现PCA.mp4 12.11M

├── 101.08-07-案例：PCA实现照片压缩.mp4 17.11M

├── 102.09-01-集成学习介绍.mp4 4.81M

├── 103.09-02-Voting能够提高准确度的原因.mp4 9.65M

├── 104.09-03-Voting原理.mp4 6.81M

├── 105.09-04-Voting代码实现.mp4 13.43M

├── 106.09-05-Bagging与随机森林及其代码实现.mp4 24.50M

├── 107.09-06-Boosting.mp4 14.34M

├── 108.09-07-Adaboost举例.mp4 18.70M

├── 109.09-08-AdaBoost代码实现.mp4 18.99M

├── 110.09-09-GBDT之提升和提升树概念.mp4 23.61M

├── 111.09-10-GBDT梯度提升树.mp4 9.60M

├── 112.09-11-XGBoost介绍，目标函数，正则项.mp4 15.42M

├── 113.09-12-XGBoost求解.mp4 18.69M

├── 114.09-13-XGBoost树结构生成.mp4 8.96M

├── 115.09-14-XGBoost代码实现1.mp4 29.71M

├── 116.09-14-XGBoost代码实现2.mp4 32.20M

├── 117.09-15-Stacking.mp4 10.10M

├── 118.09-16-Stacking代码实现.mp4 8.83M

├── 119.10-01-01-数据说明.mp4 21.11M

├── 120.10-01-02探索性分析.mp4 16.04M

├── 121.10-01-03数据预处理与特征工程.mp4 27.15M

├── 122.10-01-04模型训练.mp4 17.68M

├── 123.10-02-01数据说明及不平衡数据的训练集及测试及分割方法.mp4 19.31M

├── 124.10-02-02采样之上采样.mp4 25.43M

├── 125.10-02-03采样之下采样.mp4 21.08M

└── 126.10-02-04建模与调参.mp4 20.39M