课时 8：3.1线性回归基本形式
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
课时 9：3.2线性回归模型的Python实现
...
课时 2：1.2基本术语
...
课时 4：2.1经验误差与过拟合
...
课时 10：3.3波士顿房价预测的Python实现
...
课时 3：1.3假设空间&归纳偏好
...
课时 22：5.4如何修正网络参数-梯度下降法
...
课时 13：4.1从女生相亲到决策树
...
课时 11：3.4逻辑回归介绍
...
课时 37：7.2相似性度量
...
课时 32：6.2对偶问题
...
课时 33：6.3核函数
...
课时 19：5.1单个神经元介绍
...
课时 5：2.2评估方法
...
课时 24：5.6网络搭建准备
...
课时 7：2.4性能度量Python实现
...
课时 39：7.4利用k-means算法对鸢尾花进行聚类
...
课时 36：7.1聚类分析概述
...
课时 21：5.3神经网络工作流程演示
...
课时 29：5.11网络性能评价
...
课时 16：4.4决策树算法家族
...
课时 20：5.2经典网络结构介绍
...
选修：8.5 Stacking算法流程
...
课时 15：4.3决策树拆分属性选择
...
课时 1：1.1引言
...
377
...
课时 25：5.7样本从输入层到隐藏层传输的Python实现
...
课时 28：5.10全样本网络训练的Python实现
...
课时 27：5.9单样本网络训练的Python实现
...
课时 18：4.6泰坦尼克号生还者预测--模型构建与预测
...
课时 12：3.5研究生入学录取预测的Python实现
...
课时 23：5.5网络工作原理推导
...
课时 38：7.3K—means聚类分析算法介绍
...
课时 6：2.3性能度量
...
课时 26：5.8网络输出的python实现
...
课时 41：7.6调用sklearn实现聚类分析
...
课时 34：6.4软间隔与正则化
...
选修：8.6 Stacking代码实现
...
选修：8.1 集成学习基本概念
...
课时 30：5.12调用sklearn实现神经网络
...
选修：8.4 串行集成算法-Boosting代码实现