链接：
https://pan.quark.cn/s/46••••9b
文件清单（117 个 · 总大小 7.4 GB）
📁 【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1章 欢迎来到Python3玩转机器学习/
1-3课程所使用的技术栈.mp4 56.9 MB
1-1 什么是机器学习.mp4 55.7 MB
1-2课程涵盖的内容和理念.mp4 42.6 MB
📁 第11章 支撑向量机SVM/
11-1 什么是SVM.mp4 31.4 MB
11-4 Scikit-learn 中的SVM.mp4 89.6 MB
11-9 SVM思想解决回归问题.mp4 36.0 MB
11-5 SVM中使用多项式特征和核函数.mp4 61.5 MB
11-2 svm背后的最优化问题.mp4 44.4 MB
11-8 RBF核函数中的gamma.mp4 57.7 MB
11-6 什么是核函数.mp4 36.6 MB
11-3 Soft Margin SVM.mp4 35.4 MB
11-7RBF核函数.mp4 46.8 MB
📁 第6章 梯度下降法/
6-3实现线性回归中的梯度下降法.mp4 35.3 MB
6-1 什么是梯度下降法.mp4 33.5 MB
6-8有关梯度下降法的更多深入讨论.mp4 59.1 MB
6-7 scikit-learn中的梯度下降法.mp4 131 MB
6-6 随机梯度下降法.mp4 77.4 MB
6-5 梯度下降法的向量化.mp4 109 MB
6-9 有关梯度下降法的更多讨论.mp4 18.1 MB
6-4 实现线性回归中的梯度下降法.mp4 84.2 MB
6-2线性回归中的梯度下降法.mp4 109 MB
📁 第5章 线性回归法/
5-5 R Squared.mp4 90.3 MB
5-2 最小乘法.mp4 24.7 MB
5-3 简单线性回归的实现.mp4 75.7 MB
5-6 最好的衡量线性回归法的指标.mp4 56.1 MB
5-8 实现多元线性回归.mp4 78.6 MB
5-1 简单线性回归.mp4 43.7 MB
5-7多元线性回归和正规方程解.mp4 33.3 MB
5-4 衡量线性回归的指标.mp4 56.6 MB
5-10 线性回归的可解释性.mp4 61.9 MB
5-9 使用Scilit-learn解决回归问题.mp4 82.3 MB
📁 第12章 决策树/
12-3 - 12-5.mp4 253 MB
12-1 什么是决策树.mp4 38.4 MB
12-2 信息熵.mp4 39.8 MB
12-6 - 12-7 .mp4 51.7 MB
📁 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 MB
📁 第9章 逻辑回归/
9-1 什么是逻辑回归.mp4 37.3 MB
9-4 实现逻辑回归算法.mp4 142 MB
9-8 OvR与OvO.mp4 65.9 MB
9-2 逻辑回归的损失函数.mp4 36.9 MB
9-6 在逻辑回归中使用多项式特征.mp4 72.4 MB
9-3 逻辑回归损失函数的梯度.mp4 48.9 MB
9-5 决策边界.mp4 98.8 MB
9-7 scikt-learn中的逻辑回归.mp4 85.1 MB
📁 第2章 机器学习基础/
2-3 监督学习、非监督学习....mp4 47.4 MB
2-6 课程使用环境搭建.mp4 91.8 MB
2-4 批量、在线学习、参数、非参数学习.mp4 24.8 MB
2-2 机器学习的主要任务.mp4 59.0 MB
2-5 哲学思考.mp4 25.0 MB
2-1 机器学习的数据.mp4 48.3 MB
📁 第4章 最基础的分类算法/
4-7 数据归一化.mp4 56.8 MB
4-5 超参数.mp4 92.3 MB
4-4 分类准确度.mp4 131 MB
4-2 scikit-learn机器学习算法封装.mp4 145 MB
4-9 更多有关K近邻算法的思考.mp4 22.7 MB
4-6 网络搜索与K邻近算法中更多超参数.mp4 131 MB
4-8 Scikit-learn中的Scaler.mp4 116 MB
4-3 训练数据集.mp4 122 MB
4-1 K近邻算法.mp4 74.4 MB
📁 第13章 集成学习和随机森林/
13章.mp4 419 MB
📁 第8章 多项式回归与模型泛化/
8-5 学习曲线.mp4 79.5 MB
8-10 L1，L2弹性网络.mp4 26.5 MB
8-6 验证数据集与交叉验证.mp4 133 MB
8-9 LASSO.mp4 69.9 MB
8-4 为什么要训练数据集与测试数据集.mp4 104 MB
8-7 偏差方差平衡.mp4 35.5 MB
8-8 模型泛化与岭回归.mp4 106 MB
8-3 过拟合与欠拟合.mp4 110 MB
8-2 scikit-learn 中的多项式回归.mp4 80.5 MB
8-1 什么是多项式回归.mp4 53.4 MB
📁 第3章 Jupyter Notebook ,numpy/
3-6 Numpy 数据和矩阵的合并与分割.mp4 81.2 MB
3-7 Numpy中的矩阵运算.mp4 120 MB
3-2Jupter Notebook 中的魔法命令.mp4 103 MB
3-4 创建Numpy 数据和矩阵.mp4 103 MB
3-3 Numpy 数据基础.mp4 39.0 MB
3-10 Numpy中的比较和Fancy lindexing.mp4 103 MB
3-1 Jupyter Notebook基础.mp4 88.5 MB
3-12 数据加载和简单的数据搜索.mp4 73.1 MB
3-8 Numpy 中的聚合运算.mp4 72.3 MB
3-11 Matplotlib数据可视化基础.mp4 101 MB
3-9 Numpy中的arg运算.mp4 50.8 MB
3-5 Numpy数组和矩阵的基本操作.mp4 66.3 MB
📁 第7章 PCA与梯度上升法/
7-6 scikit-learn中的PCA.mp4 111 MB
7-8 使用PCA对数据进行降噪.mp4 67.7 MB
7-4 高维数据映射为低维数据（）.mp4 73.3 MB
7-9 人脸识别与特征脸.mp4 69.1 MB
7-3 求数据的主成分.mp4 96.8 MB
7-2 求数据的主成分PCA问题.mp4 20.2 MB
7-5 高纬数据映射为低纬数据.mp4 92.3 MB
7-1 什么是PCA.mp4 37.8 MB
7-7 试手MNIST数据集.mp4 61.9 MB
📁 第10章 评价分类结果/
10-7 ROC曲线.mp4 58.2 MB
10-3 现实混淆矩阵.mp4 87.7 MB
10-2 准确率和召回率.mp4 27.3 MB
10-5 准确率和召回率的平衡.mp4 79.1 MB
10-8 多分类问题中的混淆矩阵.mp4 78.6 MB
10-1准确度的陷阱和混淆矩阵.mp4 32.1 MB
10-4 F1 Score.mp4 61.7 MB
10-6 准确率召回率曲线.mp4 91.9 MB
Mastering Feature Engineering Principles and Techniques for Data Scientists (Early Release)-O’reilly (2016).pdf 3.6 MB
ISLR Seventh Printing.pdf 10.6 MB
github地址.txt 72 B
收录于 2026-10-30 17:45:59