课时 11：3.4逻辑回归介绍
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 1：1.1引言
...
课时 5：2.2评估方法
...
课时 39：7.4利用k-means算法对鸢尾花进行聚类
...
课时 38：7.3K—means聚类分析算法介绍
...
选修：8.5 Stacking算法流程
...
课时 20：5.2经典网络结构介绍
...
课时 10：3.3波士顿房价预测的Python实现
...
课时 36：7.1聚类分析概述
...
课时 3：1.3假设空间&归纳偏好
...
课时 32：6.2对偶问题
...
课时 33：6.3核函数
...
课时 13：4.1从女生相亲到决策树
...
课时 14：4.2明天合适打球吗
...
课时 37：7.2相似性度量
...
课时 8：3.1线性回归基本形式
...
课时 19：5.1单个神经元介绍
...
课时 24：5.6网络搭建准备
...
课时 31：6.1间隔与支持向量
...
课时 16：4.4决策树算法家族
...
课时 23：5.5网络工作原理推导
...
课时 22：5.4如何修正网络参数-梯度下降法
...
选修：8.6 Stacking代码实现
...
课时 29：5.11网络性能评价
...
课时 21：5.3神经网络工作流程演示
...
课时 18：4.6泰坦尼克号生还者预测--模型构建与预测
...
课时 15：4.3决策树拆分属性选择
...
课时 26：5.8网络输出的python实现
...
课时 6：2.3性能度量
...
课时 40：7.5聚类结果的性能度量
...
课时 34：6.4软间隔与正则化
...
353
...
课时 28：5.10全样本网络训练的Python实现
...
课时 7：2.4性能度量Python实现
...
课时 27：5.9单样本网络训练的Python实现
...
课时 30：5.12调用sklearn实现神经网络
...
课时 25：5.7样本从输入层到隐藏层传输的Python实现
...
课时 35：6.5支持向量机算法的Python实现