Python3入门机器学习经典算法与应用

磁力链接/BT种子名称

Python3入门机器学习经典算法与应用

磁力链接/BT种子简介

种子哈希：72098ab55975736ffe4d0222bcfb5607e7c694c0
文件大小： 10.82G
已经下载：68次
下载速度：极快
收录时间：2021-04-25
最近下载：2024-08-10

移花宫入口

移花宫.com邀月.com怜星.com花无缺.comyhgbt.icuyhgbt.top

磁力链接下载

magnet:?xt=urn:btih:72098AB55975736FFE4D0222BCFB5607E7C694C0
推荐使用PIKPAK网盘下载资源，10TB超大空间，不限制资源，无限次数离线下载，视频在线观看

下载BT种子文件

磁力链接 迅雷下载 PIKPAK在线播放 91视频 含羞草 欲漫涩 逼哩逼哩 成人快手 51品茶 抖阴破解版 暗网禁地 91短视频 TikTok成人版 PornHub 草榴社区 乱伦社区

最近搜索

文件列表

  • 第8章 多项式回归与模型泛化/8-6 验证数据集与交叉验证.mp4 233.4 MB
  • 第4章 最基础的分类算法-k近邻算法 kNN/4-3 训练数据集，测试数据集.mp4 223.7 MB
  • 第4章 最基础的分类算法-k近邻算法 kNN/4-5 超参数.mp4 217.3 MB
  • 第4章 最基础的分类算法-k近邻算法 kNN/4-2 scikit-learn中的机器学习算法封装.mp4 216.3 MB
  • 第3章 Jupyter Notebook, numpy和m/3-7 Numpy中的矩阵运算.mp4 216.0 MB
  • 第6章 梯度下降法/6-5 梯度下降的向量化和数据标准化.mp4 213.2 MB
  • 第9章 逻辑回归/9-5 决策边界.mp4 202.9 MB
  • 第3章 Jupyter Notebook, numpy和m/3-10 Numpy中的比较和FancyIndexing.mp4 199.9 MB
  • 第3章 Jupyter Notebook, numpy和m/3-2 jupyter notebook中的魔法命令.mp4 198.7 MB
  • 第3章 Jupyter Notebook, numpy和m/3-4 创建numpy数组和矩阵.mp4 197.2 MB
  • 第6章 梯度下降法/6-2 模拟实现梯度下降法.mp4 194.4 MB
  • 第4章 最基础的分类算法-k近邻算法 kNN/4-8 scikit-learn中的Scaler.mp4 194.3 MB
  • 第5章 线性回归法/5-5 衡量线性回归法的指标 MSE,RMS,MAE.mp4 192.2 MB
  • 第8章 多项式回归与模型泛化/8-8 模型泛化与岭回归.mp4 189.0 MB
  • 第7章 PCA与梯度上升法/7-3 求数据的主成分PCA.mp4 187.3 MB
  • 第4章 最基础的分类算法-k近邻算法 kNN/4-4 分类准确度.mp4 183.3 MB
  • 第7章 PCA与梯度上升法/7-6 scikit-learn中的PCA.mp4 180.7 MB
  • 第3章 Jupyter Notebook, numpy和m/3-1 jupyter notebook基础.mp4 177.4 MB
  • 第7章 PCA与梯度上升法/7-5 高维数据映射为低维数据.mp4 176.8 MB
  • 第4章 最基础的分类算法-k近邻算法 kNN/4-6 网格搜索与k近邻算法中更多超参数.mp4 176.2 MB
  • 第9章 逻辑回归/9-7 scikit-learn中的逻辑回归.mp4 175.3 MB
  • 第6章 梯度下降法/6-6 随机梯度下降法.mp4 168.0 MB
  • 第3章 Jupyter Notebook, numpy和m/3-6 Numpy数组的合并与分割.mp4 164.1 MB
  • 第3章 Jupyter Notebook, numpy和m/3-11 Matplotlib数据可视化基础.mp4 160.9 MB
  • 第8章 多项式回归与模型泛化/8-2 scikit-learn中的多项式回归于pipeline.mp4 153.6 MB
  • 第8章 多项式回归与模型泛化/8-4 为什么要训练数据集与测试数据集.mp4 151.4 MB
  • 第9章 逻辑回归/9-6 在逻辑回归中使用多项式特征.mp4 144.1 MB
  • 第12章 决策树/12-3 使用信息熵寻找最优划分.mp4 143.7 MB
  • 第6章 梯度下降法/6-4 实现线性回归中的梯度下降法.mp4 143.6 MB
  • 第4章 最基础的分类算法-k近邻算法 kNN/4-1 k近邻算法基础.mp4 143.5 MB
  • 第8章 多项式回归与模型泛化/8-5 学习曲线.mp4 140.8 MB
  • 第6章 梯度下降法/6-7 scikit-learn中的随机梯度下降法.mp4 138.9 MB
  • 第7章 PCA与梯度上升法/7-9 人脸识别与特征脸.mp4 138.3 MB
  • 第8章 多项式回归与模型泛化/8-3 过拟合与前拟合.mp4 138.1 MB
  • 第5章 线性回归法/5-3 简单线性回归的实现.mp4 136.7 MB
  • 第2章 机器学习基础/2-2 机器学习的主要任务.mp4 132.7 MB
  • 第7章 PCA与梯度上升法/7-4 求数据的前n个主成分.mp4 131.4 MB
  • 第9章 逻辑回归/9-8 OvR与OvO.mp4 131.0 MB
  • 第9章 逻辑回归/9-4 实现逻辑回归算法.mp4 129.3 MB
  • 第3章 Jupyter Notebook, numpy和m/3-5 Numpy数组的基本操作.mp4 124.8 MB
  • 第5章 线性回归法/5-8 实现多元线性回归.mp4 124.4 MB
  • 第5章 线性回归法/5-9 使用scikit-learn解决回归问题.mp4 123.9 MB
  • 第11章 支撑向量机 SVM/11-4.mp4 123.7 MB
  • 第8章 多项式回归与模型泛化/8-9 LASSO.mp4 120.7 MB
  • 第6章 梯度下降法/6-8 如何确定梯度计算的准确性 调试梯度下降法.mp4 118.6 MB
  • 第7章 PCA与梯度上升法/7-7 试手MNIST数据集.mp4 118.4 MB
  • 第3章 Jupyter Notebook, numpy和m/3-12 数据加载和简单的数据探索.mp4 118.4 MB
  • 第5章 线性回归法/5-6 最好的衡量线性回归法的指标 R Squared.mp4 115.3 MB
  • 第3章 Jupyter Notebook, numpy和m/3-8 Numpy中的聚合运算.mp4 113.2 MB
  • 第4章 最基础的分类算法-k近邻算法 kNN/4-7 数据归一化.mp4 111.0 MB
  • 第5章 线性回归法/5-4 向量化.mp4 110.5 MB
  • 第10章 评价分类结果/10-3.mp4 108.8 MB
  • 第7章 PCA与梯度上升法/7-8 使用PCA对数据进行降噪.mp4 104.0 MB
  • 第3章 Jupyter Notebook, numpy和m/3-9 Numpy中的arg运算.mp4 100.1 MB
  • 第10章 评价分类结果/10-8.mp4 99.9 MB
  • 第2章 机器学习基础/2-3 监督学习，非监督学习，半监督学习和增强学习.mp4 98.1 MB
  • 第2章 机器学习基础/2-6 课程使用环境搭建.mp4 96.2 MB
  • 第10章 评价分类结果/10-5.mp4 96.1 MB
  • 第11章 支撑向量机 SVM/11-9.mp4 96.0 MB
  • 第1章 欢迎来到 Python3 玩转机器学习/1-2 课程涵盖的内容和理念.mp4 94.6 MB
  • 第5章 线性回归法/5-10 线性回归的可解性和更多思考.mp4 91.0 MB
  • 第10章 评价分类结果/10-6.mp4 89.1 MB
  • 第11章 支撑向量机 SVM/11-5.mp4 89.0 MB
  • 第2章 机器学习基础/2-1 机器学习世界的数据.mp4 88.4 MB
  • 第9章 逻辑回归/9-3 逻辑回归损失函数的梯度.mp4 84.2 MB
  • 第11章 支撑向量机 SVM/11-8.mp4 80.1 MB
  • 第8章 多项式回归与模型泛化/8-1 什么是多项式回归.mp4 78.8 MB
  • 第6章 梯度下降法/6-3 线性回归中的梯度下降法.mp4 73.9 MB
  • 第1章 欢迎来到 Python3 玩转机器学习/1-1导学.mp4 72.8 MB
  • 第10章 评价分类结果/10-4.mp4 72.7 MB
  • 第3章 Jupyter Notebook, numpy和m/3-3 Numpy数据基础.mp4 71.5 MB
  • 第12章 决策树/12-4 基尼系数.mp4 69.8 MB
  • 第14章 更多机器学习算法/14-1 学习scikit-learn文档.mp4 69.7 MB
  • 第10章 评价分类结果/10-7.mp4 68.9 MB
  • 第5章 线性回归法/5-1 简单线性回归.mp4 67.0 MB
  • 第12章 决策树/12-5 CART与决策树中的超参数.mp4 64.1 MB
  • 第1章 欢迎来到 Python3 玩转机器学习/1-3 课程所使用的主要技术栈.mp4 62.7 MB
  • 第9章 逻辑回归/9-1 什么是逻辑回归.mp4 60.9 MB
  • 第8章 多项式回归与模型泛化/8-7 偏差方差平衡.mp4 60.6 MB
  • 第12章 决策树/12-1.mp4 60.2 MB
  • 第9章 逻辑回归/9-2 逻辑回归的损失函数.mp4 58.6 MB
  • 第13章 集成学习和随机森林/13-1什么是集成学习.mp4 56.1 MB
  • 第11章 支撑向量机 SVM/11-7.mp4 54.5 MB
  • 第7章 PCA与梯度上升法/7-1 什么是PCA.mp4 53.6 MB
  • 第11章 支撑向量机 SVM/11-2.mp4 53.6 MB
  • 第12章 决策树/12-2 信息熵.mp4 50.9 MB
  • 第6章 梯度下降法/6-1 什么是梯度下降法.mp4 46.3 MB
  • 第5章 线性回归法/5-7 多元线性回归和正规方程解.mp4 46.2 MB
  • 第11章 支撑向量机 SVM/11-6.mp4 42.0 MB
  • 第11章 支撑向量机 SVM/11-3.mp4 41.6 MB
  • 第10章 评价分类结果/10-1 准确度的陷阱和混淆矩阵.mp4 40.2 MB
  • 第11章 支撑向量机 SVM/11-1.mp4 40.1 MB
  • 第12章 决策树/12-6.mp4 39.9 MB
  • 第2章 机器学习基础/2-5 和机器学习相关的哲学思考.mp4 38.6 MB
  • 第8章 多项式回归与模型泛化/8-10 L1,L2和弹性网络.mp4 35.8 MB
  • 第5章 线性回归法/5-2 最小二乘法.mp4 35.1 MB
  • 第13章 集成学习和随机森林/13-3 Bagging和Pasting.mp4 35.1 MB
  • 第2章 机器学习基础/2-4 批量学习，在线学习，参数学习和非参数学习.mp4 35.1 MB
  • 第4章 最基础的分类算法-k近邻算法 kNN/4-9 更多有关k近邻算法的思考.mp4 34.6 MB
  • 第12章 决策树/12-7.mp4 34.4 MB
  • 第13章 集成学习和随机森林/13-4 oob（Out-of-Bag）和关于Bagging的更多讨论.mp4 33.4 MB
  • 第10章 评价分类结果/10-2 精准率和召回率.mp4 31.0 MB
  • 第13章 集成学习和随机森林/13-6 Ada Boosting和Gradient Boosting.mp4 30.1 MB
  • 第13章 集成学习和随机森林/13-2 SoftVoting Classifier.mp4 29.7 MB
  • 第7章 PCA与梯度上升法/7-2 使用梯度上升法求解PCA问题.mp4 28.7 MB
  • 第13章 集成学习和随机森林/13-5 随机森林和Extra-Trees.mp4 27.2 MB
  • 第6章 梯度下降法/6-9 有关梯度下降法的更多深入讨论.mp4 26.0 MB
  • 第13章 集成学习和随机森林/13-7 Stacking.mp4 12.1 MB
  • project/LinearRegression.py 4.3 kB
  • project/PCA.py 2.1 kB
  • project/kNN.py 2.0 kB
  • project/SimpleLinearRegression.py 1.6 kB
  • project/metrics.py 1.1 kB
  • project/preprocessing.py 1.0 kB
  • project/model_selection.py 734 Bytes

随机展示

相关说明

本站不存储任何资源内容，只收集BT种子元数据(例如文件名和文件大小)和磁力链接(BT种子标识符)，并提供查询服务，是一个完全合法的搜索引擎系统。 网站不提供种子下载服务，用户可以通过第三方链接或磁力链接获取到相关的种子资源。本站也不对BT种子真实性及合法性负责，请用户注意甄别！
>