V
主页
课时 8:3.1线性回归基本形式
发布人
老师给的学习资料
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