视频选集
(37/49)- P1 01-人工智能概述15:39
- P2 02-什么是机器学习9:35
- P3 03-机器学习算法分类7:28
- P4 04-机器学习开发流程3:4
- P5 05-学习框架和资料介绍12:46
- P6 06-可用数据集11:32
- P7 07-sklearn数据集使用23:3
- P8 08-字典特征抽取30:21
- P9 09-文本特征抽取CountVectorizer15:41
- P10 10-中文文本特征抽取14:18
- P11 11-文本特征抽取TfidfVevtorizer17:34
- P12 12-数据预处理-归一化18:6
- P13 13-数据预处理-标准化7:47
- P14 14-什么是降维6:30
- P15 15-删除低方差特征与相关系数25:8
- P16 16-主成分分析11:43
- P17 17-instacart降维案例23:20
- P18 18-总结14:19
- P19 01-上节回顾10:2
- P20 02-转换器与预估器10:59
- P21 03-KNN算法32:59
- P22 04-模型选择与调优16:28
- P23 05-Facebook案例流程分析11:28
- P24 06-Facebook案例代码实现19:31
- P25 07-朴素贝叶斯算法原理26:42
- P26 08-朴素贝叶斯算法对文本分类25:47
- P27 09-认识决策树9:23
- P28 10-决策树算法对鸢尾花分类41:28
- P29 11-泰坦尼克号乘客分类案例流程分析5:3
- P30 12-泰坦尼克号案例代码实现14:59
- P31 13-随机森林19:31
- P32 14-总结9:19
- P33 01-上节回顾.8:48
- P34 02-线性模型19:37
- P35 03-损失函数9:24
- P36 04-优化方法1-正规方程8:57
-
P37 05-优化方法2-梯度下降 25:23 - P38 06-正规方程与梯度下降对比11:50
- P39 07-梯度下降优化器2:51
- P40 08-过拟合与欠拟合17:29
- P41 09-岭回归11:18
- P42 10-逻辑回归原理27:42
- P43 11-逻辑回归对癌症分类15:35
- P44 12-精确率、召回率、F1-score17:41
- P45 13-ROC曲线与AUC指标14:54
- P46 14-模型保存与加载6:5
- P47 15-KMeans算法原理16:17
- P48 16-聚类的模型评估10:17
- P49 17-总结12:3
