【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) - 影盘社-网盘资源搜索神
- file:ISLR Seventh Printing.pdf
- file:● 裙.jpg
- file:github地址.txt
- file:Mastering Feature Engineering Principles and Techniques for Data Scientists (Early Release)-O’reilly (2016).pdf
- file:7-7 试手MNIST数据集.mp4
- file:7-3 求数据的主成分.mp4
- file:7-9 人脸识别与特征脸.mp4
- file:7-6 scikit-learn中的PCA.mp4
- file:7-8 使用PCA对数据进行降噪.mp4
- file:7-5 高纬数据映射为低纬数据.mp4
- file:7-1 什么是PCA.mp4
- file:10-5 准确率和召回率的平衡.mp4
- file:10-3 现实混淆矩阵.mp4
- file:10-4 F1 Score.mp4
- file:6-5 梯度下降法的向量化.mp4
- file:6-4 实现线性回归中的梯度下降法.mp4
- file:11-8 RBF核函数中的gamma.mp4
- file:11-9 SVM思想解决回归问题.mp4
- file:11-2 svm背后的最优化问题.mp4
- file:11-3 Soft Margin SVM.mp4
- file:11-5 SVM中使用多项式特征和核函数.mp4
- file:9-2 逻辑回归的损失函数.mp4
- file:9-5 决策边界.mp4
- file:9-8 OvR与OvO.mp4
- file:4-9 更多有关K近邻算法的思考.mp4
- file:4-6 网络搜索与K邻近算法中更多超参数.mp4
- file:5-8 实现多元线性回归.mp4
- file:5-7多元线性回归和正规方程解.mp4
- file:5-5 R Squared.mp4
- file:12-6 - 12-7 .mp4
- file:2-2 机器学习的主要任务.mp4
- file:2-4 批量、在线学习、参数、非参数学习.mp4
- file:2-3 监督学习、非监督学习....mp4
- file:2-6 课程使用环境搭建.mp4
- file:13章.mp4
- file:1-2课程涵盖的内容和理念.mp4
- file:8-4 为什么要训练数据集与测试数据集.mp4
- file:8-10 L1,L2弹性网络.mp4
- file:8-7 偏差方差平衡.mp4
- file:8-6 验证数据集与交叉验证.mp4
- file:8-3 过拟合与欠拟合.mp4
- file:3-2Jupter Notebook 中的魔法命令.mp4
- file:3-3 Numpy 数据基础.mp4
- file:3-10 Numpy中的比较和Fancy lindexing.mp4
- file:3-11 Matplotlib数据可视化基础.mp4
- file:3-12 数据加载和简单的数据搜索.mp4
- folder:【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)
- folder:第7章 PCA与梯度上升法
- folder:第10章 评价分类结果
- folder:第11章 支撑向量机SVM
- folder:第9章 逻辑回归
- folder:第4章 最基础的分类算法
- folder:第2章 机器学习基础
- folder:第13章 集成学习和随机森林
- folder:第1章 欢迎来到Python3玩转机器学习
- folder:第8章 多项式回归与模型泛化
- folder:第3章 Jupyter Notebook ,numpy
分享时间 | 2024-09-27 |
---|---|
入库时间 | 2024-09-28 |
状态检测 | 有效 |
资源类型 | QUARK |
分享用户 | 满足*菠菜 |
资源有问题?点此举报