V
主页
22 实战三种梯度下降
发布人
打开封面
下载高清视频
观看高清视频
视频下载器
21 三种梯度下降法
23 实战代码实现三种梯度下降
11 最优化问题梯度下降
12 梯度下降法牛顿法推导最优化存在的问题凸集
7 SVD分解练习
11 最优化问题梯度下降
10 SVD用于图片压缩
24 归一化
31 实战保险花销预测
26 代码实战Ridge回归Lasso回归Elasticnet回归
29 多项式升维
06 SVD分解UV求解
33 特征工程后的线性回归
28 实战手动实现Ridge回归及Lasso回归
14 凸函数
32 保险花销预测
18 多元线性回归损失函数推导
15 凸函数的局部最优即全局最优凸优化一般形式
02 特征值特征向量_矩阵的加减数乘点乘转置_稀疏向量与稠密向量_矩阵的结合律分配律转置公式及逆矩阵_行列式_高阶偏导数_梯度_雅可比矩阵_HEssian矩阵_
13 凸集的仿射子空间仍为凸集线性变换及约束不改变凸集
27 手动实现ridge回归
25过拟合正则化ridge回归lasso回归
03 特征值分解
73 用tensorflow实现线性回归
34 逻辑回归sigmoid函数二分类基本过程
70 文本转语音
62 图片与数组的转换
63 opencv图片读取_显示_保存_转灰度图片_改大小_获取形状_绘制简单图形
76 pandas基础之series及dataframe
61 pillow颜色替换_图片与数组的转换
17 分类与回归任务_优化问题_最大似然估计_升降维_概率密度
53 numpy常用函数
24 os模块_os.path模块_shutil模块
39 简单输入对话框和通用消息框
05 SVD分解sigma求解
78 pandas 拼接及merge
01 导数与向量
25 递归遍历文件夹_异常
16 带约束的优化问题拉格朗日对偶
16 析构函数_垃圾回收_call方法_方法重名