└─ 【Python教程】Python3入门机器学习 经典算法与应用 轻松入行人工智能（完整版） ->
├─ 第9章 逻辑回归 ->
├─ 9-7 scikt-learn中的逻辑回归.mp4 - 85.1M
├─ 9-3 逻辑回归损失函数的梯度.mp4 - 48.9M
├─ 9-4 实现逻辑回归算法.mp4 - 141.5M
├─ 9-1 什么是逻辑回归.mp4 - 37.3M
├─ 9-6 在逻辑回归中使用多项式特征.mp4 - 72.4M
├─ 9-8 OvR与OvO.mp4 - 65.9M
├─ 9-5 决策边界.mp4 - 98.8M
└─ 9-2 逻辑回归的损失函数.mp4 - 36.9M
├─ 第3章 Jupyter Notebook ,numpy ->
├─ 【必备资源】.png - 542.8KB
├─ 【必看，所有资料合集免费地址】.docx - 11.4KB
├─ github地址.txt - 72B
├─ ISLR Seventh Printing.pdf - 10.6M
└─ Mastering Feature Engineering Principles and Techniques for Data Scientists (Early Release)-O’reilly (2016).pdf - 3.6M
├─ 第8章 多项式回归与模型泛化 ->
├─ 8-10 L1，L2弹性网络.mp4 - 26.5M
├─ 8-5 学习曲线.mp4 - 79.5M
├─ 8-4 为什么要训练数据集与测试数据集.mp4 - 103.8M
├─ 8-3 过拟合与欠拟合.mp4 - 110M
├─ 8-8 模型泛化与岭回归.mp4 - 106.1M
├─ 8-7 偏差方差平衡.mp4 - 35.5M
├─ 8-1 什么是多项式回归.mp4 - 53.4M
├─ 8-6 验证数据集与交叉验证.mp4 - 133M
├─ 8-9 LASSO.mp4 - 69.9M
└─ 8-2 scikit-learn 中的多项式回归.mp4 - 80.5M
├─ 第5章 线性回归法 ->
├─ 5-9 使用Scilit-learn解决回归问题.mp4 - 82.3M
├─ 5-7多元线性回归和正规方程解.mp4 - 33.3M
├─ 5-6 最好的衡量线性回归法的指标.mp4 - 56.1M
├─ 5-8 实现多元线性回归.mp4 - 78.6M
├─ 5-4 衡量线性回归的指标.mp4 - 56.6M
├─ 5-10 线性回归的可解释性.mp4 - 61.9M
├─ 5-1 简单线性回归.mp4 - 43.7M
├─ 5-3 简单线性回归的实现.mp4 - 75.7M
├─ 5-5 R Squared.mp4 - 90.3M
└─ 5-2 最小乘法.mp4 - 24.7M
├─ 第13章 集成学习和随机森林 ->
└─ 13章.mp4 - 419.1M
├─ 第14章 更多机器学习算法 ->
└─ 14章 学习scikit-learn文档，大家加油！.mp4 - 160.4M
├─ 第2章 机器学习基础 ->
├─ 2-4 批量、在线学习、参数、非参数学习.mp4 - 24.8M
├─ 2-5 哲学思考.mp4 - 25M
├─ 2-3 监督学习、非监督学习....mp4 - 47.4M
├─ 2-1 机器学习的数据.mp4 - 48.3M
├─ 2-6 课程使用环境搭建.mp4 - 91.8M
└─ 2-2 机器学习的主要任务.mp4 - 59M
├─ 第11章 支撑向量机SVM ->
├─ 11-2 svm背后的最优化问题.mp4 - 44.4M
├─ 11-1 什么是SVM.mp4 - 31.4M
├─ 11-9 SVM思想解决回归问题.mp4 - 36M
├─ 11-7RBF核函数.mp4 - 46.8M
├─ 11-5 SVM中使用多项式特征和核函数.mp4 - 61.5M
├─ 11-4 Scikit-learn 中的SVM.mp4 - 89.6M
├─ 11-6 什么是核函数.mp4 - 36.6M
├─ 11-8 RBF核函数中的gamma.mp4 - 57.7M
└─ 11-3 Soft Margin SVM.mp4 - 35.4M
├─ 第7章 PCA与梯度上升法 ->
├─ 7-6 scikit-learn中的PCA.mp4 - 111.2M
├─ 7-5 高纬数据映射为低纬数据.mp4 - 92.3M
├─ 7-1 什么是PCA.mp4 - 37.8M
├─ 7-4 高维数据映射为低维数据（）.mp4 - 73.3M
├─ 7-3 求数据的主成分.mp4 - 96.8M
├─ 7-2 求数据的主成分PCA问题.mp4 - 20.2M
├─ 7-9 人脸识别与特征脸.mp4 - 69.1M
├─ 7-7 试手MNIST数据集.mp4 - 61.9M
└─ 7-8 使用PCA对数据进行降噪.mp4 - 67.7M
├─ 第6章 梯度下降法 ->
├─ 6-9 有关梯度下降法的更多讨论.mp4 - 18.1M
├─ 6-6 随机梯度下降法.mp4 - 77.4M
├─ 6-7 scikit-learn中的梯度下降法.mp4 - 130.7M
├─ 6-4 实现线性回归中的梯度下降法.mp4 - 84.2M
├─ 6-2线性回归中的梯度下降法.mp4 - 109.3M
├─ 6-5 梯度下降法的向量化.mp4 - 108.6M
├─ 6-8有关梯度下降法的更多深入讨论.mp4 - 59.1M
├─ 6-3实现线性回归中的梯度下降法.mp4 - 35.3M
└─ 6-1 什么是梯度下降法.mp4 - 33.5M
├─ 第4章 最基础的分类算法 ->
├─ 4-8 Scikit-learn中的Scaler.mp4 - 115.8M
├─ 4-9 更多有关K近邻算法的思考.mp4 - 22.7M
├─ 4-5 超参数.mp4 - 92.3M
├─ 4-1 K近邻算法.mp4 - 74.4M
├─ 4-4 分类准确度.mp4 - 130.5M
├─ 4-6 网络搜索与K邻近算法中更多超参数.mp4 - 131M
├─ 4-7 数据归一化.mp4 - 56.8M
├─ 4-2 scikit-learn机器学习算法封装.mp4 - 145.1M
└─ 4-3 训练数据集.mp4 - 122.5M
├─ 第10章 评价分类结果 ->
├─ 10-2 准确率和召回率.mp4 - 27.3M
├─ 10-8 多分类问题中的混淆矩阵.mp4 - 78.6M
├─ 10-6 准确率召回率曲线.mp4 - 91.9M
├─ 10-4 F1 Score.mp4 - 61.7M
├─ 10-3 现实混淆矩阵.mp4 - 87.7M
├─ 10-7 ROC曲线.mp4 - 58.2M
├─ 10-5 准确率和召回率的平衡.mp4 - 79.1M
└─ 10-1准确度的陷阱和混淆矩阵.mp4 - 32.1M
├─ 第12章 决策树 ->
├─ 12-3 - 12-5.mp4 - 252.8M
├─ 12-1 什么是决策树.mp4 - 38.4M
├─ 12-6 - 12-7 .mp4 - 51.7M
└─ 12-2 信息熵.mp4 - 39.8M
├─ 【必备资源】.png - 542.8KB
├─ 【必看，所有资料合集免费地址】.docx - 11.4KB
├─ github地址.txt - 72B
├─ ISLR Seventh Printing.pdf - 10.6M
└─ Mastering Feature Engineering Principles and Techniques for Data Scientists (Early Release)-O’reilly (2016).pdf - 3.6M
微信视频投屏：
1、在手机端微信中会拦截投屏功能，需要首先点击视频页面右上角“...”图标，选择“在浏览器中打开”，在列表中选取具备投屏功能的浏览器，推荐使用QQ浏览器
2、在新打开的浏览器视频页面里，点击播放按钮，可在视频框右上角看到一个“TV”投屏小图标，只要电视和手机在同一WiFi环境下，点击按钮即刻享受大屏观感！
本站资源声明：
1、如需免费下载云盘资源，请先点击页面右上角的“登录”按钮，注册并登录您的账号后即可查看到网盘资源下载地址；
2、本站所有资源信息均由网络爬虫自动抓取，以非人工方式自动筛选长效资源并更新发布，资源内容只作交流和学习使用，本站不储存、复制、传播任何文件，其资源的有效性和安全性需要您自行判断；
3、本站高度重视知识产权保护，如有侵犯您的合法权益或违法违规，请立即向网盘官方举报反馈，并提供相关有效书面证明与侵权页面链接联系我们处理；
4、作为非盈利性质网站，仅提供网络资源的免费搜索和检测服务，无需额外支付其他任何费用，学习和交流的同时请小心防范网络诈骗。