主页
/
7.【Deepseek】视频文档学习教程
/
2025AI人工智能课程精选
/
AI算法工程师就业班
/
05、机器学习-线性回归
/
章节1：多元线性回归
/
10：对数似然函数_推导出损失函数MSE.mp4
11：把目标函数按照线性代数的方式去表达.mp4
12：推导出目标函数的导函数形式.mp4
13：θ解析解的公式_是否要考虑损失函数是凸函数.mp4
14：Python开发环境版本的选择及下载.mp4
15：Anaconda环境安装_Pycharm环境安装.mp4
16：Pycharm创建脚本并测试python开发环境.mp4
17：解析解的方式求解多元线性回归_数据Xy.mp4
18：解析解的方式求解多元线性回归_求解模型_使用模型_绘制图形.mp4
19：解析解的方式求解多元线性回归_扩展随机种子概念_增加维度代码的变换.mp4
1：理解简单线性回归.mp4
20：Scikit-learn模块的介绍.mp4
21：调用Scikit-learn中的多元线性回归求解模型(上).mp4
22：调用Scikit-learn中的多元线性回归求解模型(下).mp4
2：最优解_损失函数_MSE.mp4
3：扩展到多元线性回归.mp4
4：理解多元线性回归表达式几种写法的原因.mp4
5：理解维度这个概念.mp4
6：理解回归一词_中心极限定理_正太分布和做预测.mp4
7：假设误差服从正太分布_最大似然估计MLE.mp4
8：引入正太分布的概率密度函数.mp4
9：明确目标通过最大总似然求解θ.mp4
第一阶段_手把手教你透彻掌握线性回归算法.pdf
© 2026
⚠
信息加载中,请等待...
