响木SVIP目录
响木最新
响木众筹
响木众筹
当前目录
全盘
查全部
文件夹
文件
主页
/
我的资源2
/
01 响木最新课程(待整理)
/
001-300
/
迪哥Ai大讲堂【Python数据分析与机器学习实战】704节_998.0
/
资料【迪哥Ai大讲堂】Python数据分析与机器学习实战_迪哥推荐
01-课程介绍.mp4
02-1-回归问题概述.mp4
03-2-误差项定义.mp4
04-3-独立同分布的意义.mp4
05-4-似然函数的作用.mp4
06-5-参数求解.mp4
07-6-梯度下降通俗解释.mp4
08-7参数更新方法.mp4
09-8-优化参数设置.mp4
10-1-线性回归整体模块概述.mp4
100-1-树模型可视化展示.mp4
101-2-决策边界展示分析.mp4
102-3-树模型预剪枝参数作用.mp4
103-4-回归树模型.mp4
104-1-随机森林算法原理.mp4
105-2-随机森林优势与特征重要性指标.mp4
106-3-提升算法概述.mp4
107-4-stacking堆叠模型.mp4
108-1-构建实验数据集.mp4
109-2-硬投票与软投票效果对比.mp4
11-2-初始化步骤.mp4
110-3-Bagging策略效果.mp4
111-4-集成效果展示分析.mp4
112-5-OOB袋外数据的作用.mp4
113-6-特征重要性热度图展示.mp4
114-7-Adaboost算法概述.mp4
115-8-Adaboost决策边界效果.mp4
116-9-GBDT提升算法流程.mp4
117-10-集成参数对比分析.mp4
118-11-模型提前停止策略.mp4
119-12-停止方案实施.mp4
12-3-实现梯度下降优化模块.mp4
120-13-堆叠模型.mp4
121-1-支持向量机要解决的问题.mp4
122-2-距离与数据定义.mp4
123-3-目标函数推导.mp4
124-4-拉格朗日乘子法求解.mp4
125-5-化简最终目标函数.mp4
126-6-求解决策方程.mp4
127-7-软间隔优化.mp4
128-8-核函数的作用.mp4
129-9-知识点总结.mp4
13-4-损失与预测模块.mp4
130-1-支持向量机所能带来的效果.mp4
131-2-决策边界可视化展示.mp4
132-3-软间隔的作用.mp4
133-4-非线性SVM.mp4
134-5-核函数的作用与效果.mp4
135-1-深度学习要解决的问题.mp4
136-2-深度学习应用领域.mp4
137-3-计算机视觉任务.mp4
138-4-视觉任务中遇到的问题.mp4
139-5-得分函数.mp4
14-5-数据与标签定义.mp4
140-6-损失函数的作用.mp4
141-7-前向传播整体流程.mp4
142-8-返向传播计算方法.mp4
143-9-神经网络整体架构.mp4
144-10-神经网络架构细节.mp4
145-11-神经元个数对结果的影响.mp4
146-12-正则化与激活函数.mp4
147-13-神经网络过拟合解决方法.mp4
148-1-神经网络整体框架概述.mp4
149-2-参数初始化操作.mp4
15-6-训练线性回归模型.mp4
150-3-矩阵向量转换.mp4
151-4-向量反变换.mp4
152-5-完成前向传播模块.mp4
153-6-损失函数定义.mp4
154-7-准备反向传播迭代.mp4
155-8-差异项计算.mp4
156-9-逐层计算.mp4
157-10-完成全部迭代更新模块.mp4
158-11-手写字体识别数据集.mp4
159-12-算法代码错误修正.mp4
16-7-得到线性回归方程.mp4
160-13-模型优化结果展示.mp4
161-13-测试效果可视化展示.mp4
162-1-贝叶斯要解决的问题.mp4
163-2-贝叶斯公式推导.mp4
164-3-拼写纠错实例.mp4
165-4-垃圾邮件过滤实例.mp4
166-1-朴素贝叶斯算法整体框架.mp4
167-2-邮件数据读取.mp4
168-3-预料表与特征向量构建.mp4
169-4-分类别统计词频.mp4
17-8-整体流程debug解读.mp4
170-5-贝叶斯公式对数变换.mp4
171-6-完成预测模块.mp4
172-1-关联规则概述.mp4
173-2-支持度与置信度.mp4
174-3-提升度的作用.mp4
175-4-Python实战关联规则.mp4
176-5-数据集制作.mp4
177-6-电影数据集题材关联分析.mp4
178-1-Apripri算法整体流程.mp4
179-2-数据集demo.mp4
18-9-多特征回归模型.mp4
180-3-扫描模块.mp4
下一页
© 2026
⚠
信息加载中,请等待...