网盘万T资源库（连续7年更新）-2024更新一区-【云课堂专区】/【万门大学合集】/【万门大学】人工智能超强基础打造/机器学习原理与应用入门/视频

❤️网盘万T资源库，连续7年运营，全站囊括21大品类，资源天花板就在这里，一次投入永久更新
❤️由于资源容量太大，本站仅支持部分资源搜索，部分精选区和书库仅供展示，请点到具体分类中再进行搜索
❤️VIP会员搭载专属目录，可实现全网搜索，无需登陆网盘，专享资源在线下载权益。

主页/【云课堂专区】/【万门大学合集】/【万门大学】人工智能超强基础打造/机器学习原理与应用入门/视频/

1.1机器学习是什么 .mp4
1.2什么是模型 .mp4
1.3监督学习与损失函数 .mp4
1.4梯度下降 .mp4
1.5数据标注的价值 .mp4
1.6代码展示（一） .mp4
1.7代码展示（二） .mp4
1.8代码展示（三） .mp4
10.1传统机器学习方法的问题（一） .mp4
10.2传统机器学习方法的问题（二） .mp4
10.3神经网络的历史发展 .mp4
10.4神经网络三要素之一：权重矩阵 .mp4
10.5神经网络三要素之激活函数、决策层 .mp4
10.6网页展示 .mp4
11.1SVM的目标：如何将间隔最大化 .mp4
11.2SVM要解决什么样的优化问题 .mp4
11.3拉格朗日最优问题的解法（一） .mp4
11.4拉格朗日最优问题的解法（二） .mp4
11.5SVM中的软间隔 .mp4
11.6SVM中的核函数 .mp4
11.7核函数为什么有用（一） .mp4
11.8核函数为什么有用（二） .mp4
11.9SVM与其他模型的对比 .mp4
2.1机器学习的三大基本范式（一） .mp4
2.2机器学习的三大基本范式（二） .mp4
2.3监督学习中分类、回归及特征是什么 .mp4
2.4感知机 .mp4
2.5代价函数 .mp4
2.6随机梯度下降、如何判断分类器的好坏 .mp4
2.7感知机的缺陷及课程总结 .mp4
2.8代码展示 .mp4
3.1KNN算法是什么 .mp4
3.2如何选择KNN中的K .mp4
3.3过拟合和交叉验证 .mp4
3.4代码展示及KNN算法的问题 .mp4
4.10代码展示 .mp4
4.1机器学习什么时候会成功 .mp4
4.2如何用概率论度量模型的不确定性（一） .mp4
4.3如何用概率论度量模型的不确定性（二） .mp4
4.4如何用概率论度量模型的不确定性（三） .mp4
4.5如何用概率论度量模型的不确定性（四） .mp4
4.6如何用概率论度量模型的不确定性（五） .mp4
4.7模型误差的两种分类（一） .mp4
4.8模型误差的两种分类（二） .mp4
4.9模型误差的两种分类（三） .mp4
5.1如何选择好的特征值（一） .mp4
5.2如何选择好的特征值（二） .mp4
5.3如何选择好的特征值（三） .mp4
5.4正则化（一） .mp4
5.5正则化（二） .mp4
5.6代码展示（一） .mp4
5.7代码展示（二） .mp4
6.1逻辑斯蒂模型的架构 .mp4
6.2交叉熵KL散度 .mp4
6.3如何度量模型的目标（一） .mp4
6.4如何度量模型的目标（二） .mp4
6.5如何求解逻辑斯蒂回归模型的优化问题（一） .mp4
6.6如何求解逻辑斯蒂回归模型的优化问题（二） .mp4
6.7代码展示（一） .mp4
6.8代码展示（二） .mp4
6.9代码展示（三） .mp4
7.1决策树是什么 .mp4
7.2信息熵，如何衡量哪些特征重要 .mp4
7.3如何用信息增益在决策树中选择特征（一） .mp4
7.4如何用信息增益在决策树中选择特征（二） .mp4
7.5决策树的构建何时停下来 .mp4
7.6决策树如何应对连续特征 .mp4
7.7决策树如何应对过拟合 .mp4
7.8随机森林在回归问题上的代码演示 .mp4
8.1复习决策树 .mp4
8.2Bagging方法 .mp4
8.3Boosting方法（一） .mp4
8.4Boosting方法（二） .mp4
8.5Boosting方法（三） .mp4
8.6Boosting方法（四） .mp4
9.1主成分分析背后的直觉 .mp4
9.2PCA怎么做 .mp4
9.3代码展示（一） .mp4
9.4代码展示（二） .mp4

Copyright © All rights reserved.

信息加载中,请等待...