└─ Python3玩转机器学习 ->
  ├─ 第7章 PCA与梯度上升法 ->
    ├─ 7-9 人脸识别与特征脸.mp4 - 131.88 MB
    ├─ 7-8 使用PCA对数据进行降噪.mp4 - 99.19 MB
    ├─ 7-7 试手MNIST数据集.mp4 - 112.91 MB
    ├─ 7-6 scikit-learn中的PCA.mp4 - 172.37 MB
    ├─ 7-5 高维数据映射为低维数据.mp4 - 168.63 MB
    ├─ 7-4 求数据的前n个主成分.mp4 - 125.31 MB
    ├─ 7-3 求数据的主成分PCA.mp4 - 178.62 MB
    ├─ 7-2 使用梯度上升法求解PCA问题.mp4 - 27.38 MB
    └─ 7-1 什么是PCA.mp4 - 51.14 MB
  ├─ 第6章 梯度下降法 ->
    ├─ 6-9 有关梯度下降法的更多深入讨论.mp4 - 24.82 MB
    ├─ 6-8 如何确定梯度计算的准确性 调试梯度下降法.mp4 - 113.13 MB
    ├─ 6-7 scikit-learn中的随机梯度下降法.mp4 - 132.43 MB
    ├─ 6-6 随机梯度下降法.mp4 - 160.2 MB
    ├─ 6-5 梯度下降的向量化和数据标准化.mp4 - 203.32 MB
    ├─ 6-4 实现线性回归中的梯度下降法.mp4 - 136.93 MB
    ├─ 6-3 线性回归中的梯度下降法.mp4 - 70.44 MB
    ├─ 6-2 模拟实现梯度下降法.mp4 - 185.39 MB
    └─ 6-1 什么是梯度下降法.mp4 - 44.18 MB
  ├─ 第5章 线性回归法 ->
    ├─ 5-9 使用scikit-learn解决回归问题.mp4 - 118.16 MB
    ├─ 5-8 实现多元线性回归.mp4 - 118.66 MB
    ├─ 5-7 多元线性回归和正规方程解.mp4 - 44.04 MB
    ├─ 5-6 最好的衡量线性回归法的指标 R Squared.mp4 - 109.94 MB
    ├─ 5-5 衡量线性回归法的指标 MSE,RMS,MAE.mp4 - 183.31 MB
    ├─ 5-4 向量化.mp4 - 105.4 MB
    ├─ 5-3 简单线性回归的实现.mp4 - 130.36 MB
    ├─ 5-2 最小二乘法.mp4 - 33.46 MB
    ├─ 5-10 线性回归的可解性和更多思考.mp4 - 86.8 MB
    └─ 5-1 简单线性回归.mp4 - 63.86 MB
  ├─ 第4章 最基础的分类算法 ->
    ├─ 4-9 更多有关K近邻算法的思考.mp4 - 22.66 MB
    ├─ 4-8 Scikit-learn中的Scaler.mp4 - 115.75 MB
    ├─ 4-7 数据归一化.mp4 - 56.81 MB
    ├─ 4-6 网络搜索与K邻近算法中更多超参数.mp4 - 131.02 MB
    ├─ 4-5 超参数.mp4 - 92.3 MB
    ├─ 4-4 分类准确度.mp4 - 130.51 MB
    ├─ 4-3 训练数据集.mp4 - 122.47 MB
    ├─ 4-2 scikit-learn机器学习算法封装.mp4 - 145.12 MB
    └─ 4-1 K近邻算法.mp4 - 74.44 MB
  ├─ 第3章 Jupyter Notebook ,numpy ->
    ├─ 3-9 Numpy中的arg运算.mp4 - 50.83 MB
    ├─ 3-8 Numpy 中的聚合运算.mp4 - 72.34 MB
    ├─ 3-7 Numpy中的矩阵运算.mp4 - 120.38 MB
    ├─ 3-6 Numpy 数据和矩阵的合并与分割.mp4 - 81.22 MB
    ├─ 3-5 Numpy数组和矩阵的基本操作.mp4 - 66.29 MB
    ├─ 3-4 创建Numpy 数据和矩阵.mp4 - 103.14 MB
    ├─ 3-3 Numpy 数据基础.mp4 - 39.05 MB
    ├─ 3-2Jupter Notebook 中的魔法命令.mp4 - 103.49 MB
    ├─ 3-12 数据加载和简单的数据搜索.mp4 - 73.13 MB
    ├─ 3-11 Matplotlib数据可视化基础.mp4 - 101.25 MB
    ├─ 3-10 Numpy中的比较和Fancy lindexing.mp4 - 103.36 MB
    └─ 3-1 Jupyter Notebook基础.mp4 - 82.05 MB
  ├─ 第2章 机器学习基础 ->
    ├─ 2-6 课程使用环境搭建.mp4 - 91.78 MB
    ├─ 2-5 哲学思考.mp4 - 24.97 MB
    ├─ 2-4 批量、在线学习、参数、非参数学习.mp4 - 24.84 MB
    ├─ 2-3 监督学习、非监督学习....mp4 - 47.35 MB
    ├─ 2-2 机器学习的主要任务.mp4 - 58.97 MB
    └─ 2-1 机器学习的数据.mp4 - 48.9 MB
  ├─ 第1章 欢迎来到Python3玩转机器学习 ->
    ├─ 课程补充.mp4 - 3.84 MB
    ├─ 1-3课程所使用的技术栈.mp4 - 56.89 MB
    ├─ 1-2课程涵盖的内容和理念.mp4 - 42.64 MB
    └─ 1-1 什么是机器学习.mp4 - 65.58 MB
  ├─ 深度学习之神经网络 ->
    └─ 深度学习之神经网络(CNN RNN GAN)算法原理+实战 ->
  ├─ python视频 python高级模块matplotlib 数据可视化分析教程 ->
    ├─ 课件+源码 ->
      ├─ 本资料下载来源.png - 19.56 KB
      ├─ 本资料下载地址.url - 214 B
      └─ 本课程必看学.jpg - 108.17 KB
    ├─ 本资料下载来源.png - 19.56 KB
    ├─ 本资料下载地址.url - 214 B
    ├─ 本课程必看学.jpg - 108.17 KB
    ├─ 9. 颜色和样式.mp4 - 19.27 MB
    ├─ 8. 箱形图.mp4 - 9.41 MB
    ├─ 7. 饼状图.mp4 - 9.29 MB
    ├─ 6. 直方图.mp4 - 15.77 MB
    ├─ 5. 条形图.mp4 - 15.14 MB
    ├─ 4. 折线图.mp4 - 18.35 MB
    ├─ 33. 股票K线图(二).mp4 - 35.58 MB
    └─ 32. 股票K线图(一).mp4 - 29.72 MB
    └─ …………………………
  ├─ github地址.txt - 72 B
  └─ Mastering Feature Engineering Principles and Techniques for Data Scientists (Early Release)-O’reilly (2016).pdf - 3.57 MB
  └─ …………………………

发表回复

后才能评论