01.机器学习经典算法精讲视频课程 - 影盘社-网盘资源搜索神器

• file:1-逻辑回归实验概述.mp4
• file:2-概率结果随特征数值的变化.mp4
• file:6-多分类-softmax.mp4
• file:5-分类决策边界展示分析.mp4
• file:3-可视化展示.mp4
• file:4-坐标棋盘制作.mp4
• file:Python机器学习实训营.docx
• file:2-KMEANS工作流程.mp4
• file:4-DBSCAN聚类算法.mp4
• file:7参数更新方法.mp4
• file:3-独立同分布的意义.mp4
• file:6-梯度下降通俗解释.mp4
• file:8-优化参数设置.mp4
• file:5-信息增益率与gini系数.mp4
• file:1-实验目标分析.mp4
• file:QQ截图20190624141231.png
• file:1.png
• file:7-得到线性回归方程.mp4
• file:2-递归生成树节点.mp4
• file:7-测试算法效果.mp4
• file:6-完成树模型构建.mp4
• file:7-MiniBatch方法.mp4
• file:13-岭回归与lasso.mp4
• file:5-学习率对结果的影响.mp4
• file:10-模型复杂度.mp4
• file:8-Kmenas算法存在的问题.mp4
• file:8-Kmenas算法存在的问题_20190805_232023.mp4
• file:5-评估指标-Inertia.mp4
• file:6-如何找到合适的K值.mp4
• file:10-半监督学习_20190805_232033.mp4
• file:9-应用实例-图像分割.mp4
• file:5-鸢尾花数据集聚类任务.mp4
• file:8-整体流程debug解读.mp4
• file:3-树模型预剪枝参数作用.mp4
• file:12-非线性决策边界.mp4
• file:9-训练多分类模型.mp4
• file:1-Sklearn工具包简介.mp4
• folder:01.机器学习经典算法精讲视频课程
• folder:第十二章：决策树代码实现
• folder:第四章：线性回归实验分析
• folder:课程简介
• folder:第八章：聚类算法-Kmeans&Dbscan原理
• folder:第三章：模型评估方法
• folder:3-整体框架逻辑
• folder:5-数据集切分
• folder:7-测试算法效果
• folder:4-熵值计算
• folder:12-正则化的作用
• folder:4-梯度下降模块
• folder:8-不同策略效果对比
• folder:6-随机梯度下降得到的效果
• folder:3-预处理对结果的影响
• folder:2-参数直接求解方法
• folder:10-模型复杂度
• folder:9-多项式回归
• folder:11-DBSCAN算法
• folder:1-Kmenas算法常用操作
• folder:3-建模流程解读
• folder:2-聚类结果展示
• folder:4-算法迭代更新
• folder:2-计算得到簇中心点
• folder:3-样本点归属划分
• folder:6-训练线性回归模型
• folder:1-树模型可视化展示
• folder:8-鸢尾花数据集多分类任务
• folder:1-多分类逻辑回归整体思路
• folder:2-训练模块功能
• folder:5-迭代优化参数
• folder:11-决策边界绘制
• folder:4-优化目标定义
• folder:4-交叉验证实验分析
• folder:8-ROC曲线
• folder:6-评估指标对比分析