-
-
10--交叉验证【更多资源：AG110660】.mp4
-
11--带交叉验证的学习曲线【更多资源：AG110660】.mp4
-
12--归一化【更多资源：AG110660】.mp4
-
13--距离的惩罚【更多资源：AG110660】.mp4
-
14--算法概述【更多资源：AG110660】.mp4
-
15--特征选择-信息熵【更多资源：AG110660】.mp4
-
16--特征选择-信息增益【更多资源：AG110660】.mp4
-
17--划分数据集【更多资源：AG110660】.mp4
-
18--决策树生成(算法解析)【更多资源：AG110660】.mp4
-
19--拟合度优化(CART算法)【更多资源：AG110660】.mp4
-
2--前言：机器学习理论基础【更多资源：AG110660】.mp4
-
20--使用sklearn生成决策树【更多资源：AG110660】.mp4
-
21--探索决策树属性(pdf生成)【更多资源：AG110660】.mp4
-
22--防止过拟合(剪枝参数)【更多资源：AG110660】.mp4
-
23--分类模型评估指标(class_weight)【更多资源：AG110660】.mp4
-
24--分类模型评估指标(混淆矩阵)【更多资源：AG110660】.mp4
-
25--基础原理(python实现)【更多资源：AG110660】.mp4
-
26--房价预测(sklearn实现)【更多资源：AG110660】.mp4
-
27--模型评估(sklearn实现)【更多资源：AG110660】.mp4
-
28--拟合图像(sklearn实现)【更多资源：AG110660】.mp4
-
29--多重共线性(sklearn实现)【更多资源：AG110660】.mp4
-
3--算法原理与实现步骤【更多资源：AG110660】.mp4
-
30--基础原理【更多资源：AG110660】.mp4
-
31--sklearn实现【更多资源：AG110660】.mp4
-
32--绘制学习曲线【更多资源：AG110660】.mp4
-
33--利用网格搜索确定最优参数【更多资源：AG110660】.mp4
-
4--算法优缺点及算法变种【更多资源：AG110660】.mp4
-
5--python实现【更多资源：AG110660】.mp4
-
6--python实现总结及可视化【更多资源：AG110660】.mp4
-
7--使用sklearn实现【更多资源：AG110660】.mp4
-
8--划分训练集与测试集【更多资源：AG110660】.mp4
-
9--绘制学习曲线【更多资源：AG110660】.mp4
-