机器学习必修经典算法与Python实战

课程信息

“机器学习必修经典算法与Python实战”课程旨在教授学员机器学习领域的经典算法原理和实际应用技巧。学员将学习算法如决策树、支持向量机、神经网络等的原理，并通过Python实战项目加深理解。通过课程，学员将掌握机器学习算法的核心概念，提升数据分析和预测能力。无论您的背景如何，都能从中受益并应用于实际项目中。

课程目录

└── 26419
    ├── 01-1-1课程内容和理念.mp4 27.13M
    ├── 02-1-2-1本章总览.mp4 5.14M
    ├── 02-1-2初识机器学习.mp4 18.49M
    ├── 02-2-2-2数据长什么样：常见数据集、典型实例、如何使用.mp4 13.93M
    ├── 02-3-2-3研究哪些问题：分类、回归等.mp4 17.48M
    ├── 02-4-2-4如何分门别类：监督、无监督、强化学习等.mp4 16.70M
    ├── 02-5-2-5机器学习的七大常见误区和局限.mp4 21.79M
    ├── 03-1-3-1本章总览：相互关系与学习路线.mp4 5.46M
    ├── 03-1-3课程使用的技术栈.mp4 18.29M
    ├── 03-2-3-2Anaconda图形化操作.mp4 7.89M
    ├── 03-3-3-3Anaconda命令行操作.mp4 10.04M
    ├── 03-4-3-4JupyterNotebook基础使用.mp4 14.53M
    ├── 03-5-3-5JupyterNotebook高级使用：常用魔法命令.mp4 9.62M
    ├── 03-6-3-6Numpy基础：安装与性能对比.mp4 9.49M
    ├── 03-7-3-7Numpy数组创建：特定数组、等差数组、随机数组.mp4 21.86M
    ├── 03-8-3-8Numpy数组基础索引：索引和切片.mp4 10.94M
    ├── 03-9-3-9Numpy非常重要的数组合并与拆分操作.mp4 11.62M
    ├── 03-10-3-10Numpy数组矩阵运算：一元运算、二元运算与矩阵运算.mp4 18.84M
    ├── 03-11-3-11Numpy数组统计运算：常用的都在这儿了.mp4 9.80M
    ├── 03-12-3-12Numpy数组arg运算和排序.mp4 11.56M
    ├── 03-13-3-13Numpy数组神奇索引和布尔索引.mp4 15.09M
    ├── 03-14-3-14Matplotlib数据可视化：基础绘制与设置.mp4 12.67M
    ├── 04-1-4-1本章总览.mp4 7.01M
    ├── 04-2-4-2KNN算法核心思想和原理.mp4 19.99M
    ├── 04-3-4-3KNN分类任务代码实现.mp4 27.60M
    ├── 04-4-4-4数据集划分：训练集与预测集.mp4 25.15M
    ├── 04-5-4-5模型评价.mp4 26.17M
    ├── 04-6-4-6超参数.mp4 24.08M
    ├── 04-7-4-7特征归一化.mp4 22.05M
    ├── 04-8-4-8KNN回归任务代码实现.mp4 22.22M
    ├── 04-9-4-9KNN优缺点和适用条件.mp4 19.31M
    ├── 05-1-5-1本章总览.mp4 10.11M
    ├── 05-2-5-2线性回归核心思想和原理.mp4 28.36M
    ├── 05-3-5-3逻辑回归核心思想和原理.mp4 17.25M
    ├── 05-4-5-4线性回归代码实现.mp4 22.67M
    ├── 05-5-5-5模型评价：MSE、RMSE、MAE和R方.mp4 22.75M
    ├── 05-6-5-6多项式回归代码实现.mp4 17.24M
    ├── 05-7-5-7逻辑回归算法.mp4 14.97M
    ├── 05-8-5-8线性逻辑回归代码实现.mp4 20.39M
    ├── 05-9-5-9多分类策略.mp4 6.40M
    ├── 05-10-5-10复杂逻辑回归及代码实现.mp4 15.07M
    ├── 05-11-5-11线性算法优缺点和适用条件.mp4 13.75M
    ├── 06-1-6-1本章总览.mp4 18.97M
    ├── 06-2-6-2损失函数.mp4 33.02M
    ├── 06-3-6-3梯度下降.mp4 31.44M
    ├── 06-4-6-4决策边界.mp4 20.83M
    ├── 06-5-6-5过拟合与欠拟合.mp4 19.57M
    ├── 06-6-6-6学习曲线.mp4 21.41M
    ├── 06-7-6-7交叉验证.mp4 18.61M
    ├── 06-8-6-8模型误差.mp4 26.42M
    ├── 06-9-6-9正则化.mp4 31.18M
    ├── 06-10-6-10LASSO和岭回归代码实现.mp4 20.52M
    ├── 06-11-6-11模型泛化.mp4 16.60M
    ├── 06-12-6-12评价指标：混淆矩阵、精准率和召回率.mp4 27.70M
    ├── 06-13-6-13评价指标：ROC曲线.mp4 26.31M
    ├── 07-1-7-1本章总览.mp4 10.43M
    ├── 07-2-7-2决策树核心思想和原理.mp4 15.50M
    ├── 07-3-7-3信息熵.mp4 32.81M
    ├── 07-4-7-4决策树分类任务代码实现.mp4 29.95M
    ├── 07-5-7-5基尼系数.mp4 19.14M
    ├── 07-6-7-6决策树剪枝.mp4 24.11M
    ├── 07-7-7-7决策树回归任务代码实现.mp4 10.28M
    ├── 07-8-7-8决策树优缺点和适用条件.mp4 14.28M
    ├── 08-1-8-1本章总览.mp4 19.32M
    ├── 08-2-8-2神经网络核心思想和原理.mp4 43.38M
    ├── 08-3-8-3激活函数.mp4 24.51M
    ├── 08-4-8-4正向传播与反向传播.mp4 18.65M
    ├── 08-5-8-5梯度下降优化算法.mp4 23.82M
    ├── 08-6-8-6神经网络简单代码实现.mp4 22.91M
    ├── 08-7-8-7梯度消失和梯度爆炸.mp4 20.62M
    ├── 08-8-8-8模型选择.mp4 30.80M
    ├── 08-9-8-9神经网络优缺点和适用条件.mp4 12.97M
    ├── 09-1-9-1本章总览.mp4 32.26M
    ├── 09-2-9-2SVM核心思想和原理.mp4 13.50M
    ├── 09-3-9-3硬间隔SVM.mp4 22.09M
    ├── 09-4-9-4SVM软间隔.mp4 17.52M
    ├── 09-5-9-5线性SVM分类任务代码实现.mp4 14.73M
    ├── 09-6-9-6非线性SVM：核技巧.mp4 35.32M
    ├── 09-7-9-7SVM核函数.mp4 15.93M
    ├── 09-8-9-8非线性SVM代码实现.mp4 21.88M
    ├── 09-9-9-9SVM回归任务代码实现.mp4 10.80M
    ├── 09-10-9-10SVM优缺点和适用条件.mp4 10.46M
    ├── 10-1-10-1本章总览.mp4 15.02M
    ├── 10-2-10-2贝叶斯方法核心思想和原理.mp4 24.07M
    ├── 10-3-10-3朴素贝叶斯分类.mp4 13.53M
    ├── 10-4-10-4朴素贝叶斯的代码实现.mp4 20.05M
    ├── 10-5-10-5多项式朴素贝叶斯代码实现.mp4 19.65M
    ├── 10-6-10-6贝叶斯方法优缺点和适用条件.mp4 20.17M
    ├── 11-1-11-1本章总览.mp4 9.12M
    ├── 11-2-11-2集成学习核心思想和原理.mp4 13.27M
    ├── 11-3-11-3集成学习代码实现.mp4 21.90M
    ├── 11-4-11-4并行策略：Bagging、OOB等方法.mp4 36.75M
    ├── 11-5-11-5并行策略：随机森林.mp4 12.59M
    ├── 11-6-11-6串行策略：Boosting.mp4 20.60M
    ├── 11-7-11-7结合策略：Stacking方法.mp4 13.77M
    ├── 11-8-11-8集成学习优缺点和适用条件.mp4 16.02M
    ├── 12-1-12-1本章总览.mp4 6.53M
    ├── 12-2-12-2聚类算法核心思想和原理.mp4 10.82M
    ├── 12-3-12-3k-means和分层聚类.mp4 15.32M
    ├── 12-4-12-4聚类算法代码实现.mp4 19.54M
    ├── 12-5-12-5聚类评估代码实现.mp4 15.94M
    ├── 12-6-12-6聚类算法优缺点和适用条件.mp4 12.39M
    ├── 13-1-13-1本章总览.mp4 10.07M
    ├── 13-2-13-2PCA核心思想和原理.mp4 18.61M
    ├── 13-3-13-3PCA求解算法.mp4 20.88M
    ├── 13-4-13-4PCA算法代码实现.mp4 12.16M
    ├── 13-5-13-5降维任务代码实现.mp4 18.11M
    ├── 13-6-13-6PCA在数据降噪中的应用.mp4 10.99M
    ├── 13-7-13-7PCA在人脸识别中的应用.mp4 23.00M
    ├── 13-8-13-8主成分分析优缺点和适用条件.mp4 6.58M
    ├── 14-1-14-1本章总览.mp4 9.50M
    ├── 14-2-14-2概率图模型核心思想和原理.mp4 34.60M
    ├── 14-3-14-3EM算法参数估计.mp4 14.71M
    ├── 14-4-14-4隐马尔可夫模型代码实现.mp4 29.41M
    ├── 14-5-14-5概率图模型优缺点和适用条件.mp4 8.43M
    ├── 15-1-15-1本章总览.mp4 4.67M
    ├── 15-2-15-2泰坦尼克生还预测.mp4 54.95M
    ├── 15-3-15-3房价预测.mp4 54.61M
    ├── 15-4-15-4交易反欺诈代码实现.mp4 27.94M
    └── 15-5-15-5如何深入研究机器学习.mp4 8.55M