-
05-01-01-机器学习概述.mp4
-
06-02-01线性回归简介-数学符号-假设函数-损失函数-代价函数.mp4
-
07-02-02-梯度下降法..mp4
-
08-02-03-梯度下降法代码实现.mp4
-
09-02-04-使用梯度下降法求解线性回归问题.mp4
-
10-02-05-线性回归代码实现.mp4
-
100-08-02协方差矩阵的特征值分解算法.mp4
-
101-08-03协方差矩阵的特征值分解算法代码实现.mp4
-
102-08-04基于数据矩阵的奇异值分解算法.mp4
-
103-08-05基于数据矩阵的奇异值分解算法代码实现.mp4
-
104-08-【实战】-Sklearn实现PCA.mp4
-
105-08-【案例】PCA实现照片压缩.mp4
-
106-09-01-集成学习介绍.mp4
-
107-09-02-Voting能够提高准确度的原因.mp4
-
108-09-03-Voting原理.mp4
-
109-09-04-Voting代码实现.mp4
-
11-02-06-线性回归代码实现-做特征归一化.mp4
-
110-09-05-Bagging与随机森林及其代码实现.mp4
-
111-09-06-Boosting.mp4
-
112-09-07-Adaboost举例.mp4
-
113-09-08-AdaBoost代码实现.mp4
-
114-09-09-GBDT之提升和提升树概念.mp4
-
115-09-10-GBDT梯度提升树.mp4
-
116-09-11-XGBoost介绍，目标函数，正则项.mp4
-
117-09-12-XGBoost求解.mp4
-
118-09-13-XGBoost树结构生成.mp4
-
119-09-14-XGBoost代码实现1.mp4
-
12-02-07-批量梯度下降，随机梯度下降，小批量梯度下降.mp4
-
120-09-15-XGBoost代码实现2.mp4
-
121-09-16-Stacking.mp4
-
122-09-17-Stacking 代码实现.mp4
-
123-10-【银行营销策略分析】-01 数据说明.mp4
-
124-10-【银行营销策略分析】-02探索性分析.mp4
-
125-10-【银行营销策略分析】-03数据预处理与特征工程.mp4
-
126-10-【银行营销策略分析】-04模型训练.mp4
-
127-10-【信用卡发欺诈模型】-01数据说明及不平衡数据的训练集及测试及分割方法.mp4
-
128-10-【信用卡发欺诈模型】-02采样之上采样.mp4
-
129-10-【信用卡发欺诈模型】-03采样之下采样.mp4
-
13-02-08-模型评价 · 几种常见的模型评价指标.mp4
-
130-10-【信用卡发欺诈模型】-04建模与调参.mp4
-
14-02-09-欠拟合与过拟合.mp4
-
15-02-10-Ridge回归求解与代码实现.mp4
-
16-02-11-LASSO回归求解.mp4
-
17-02-12-LASSO回归求解举例说明.mp4
-
18-02-13-LASSO回归代码实现.mp4
-
19-02-14-最小二乘法求线性回归.mp4
-
20-02-15-最小二乘法代码实现.mp4
-
21-02-【实战】使用Sklearn实现Ridge，LASSO和ElasticNet.mp4
-
22-02-【案例】波士顿房价预测(上).mp4
-
23-02-【案例】-波士顿房价预测(下).mp4
-
24-03-01-逻辑回归简介-假设函数-损失函数-成本函数.mp4
-
25-03-02-逻辑回归求解.mp4
-
26-03-03-一个示例解释逻辑回归的求解公式.mp4
-
27-03-04-逻辑回归代码实现(上).mp4
-
28-03-04-逻辑回归代码实现(下).mp4
-
29-03-06-逻辑回归的正则化.mp4
-
30-03-07-逻辑回归实现多分类方法.mp4
-
31-03-08-【实战】使用Sklearn实现逻辑回归.mp4
-
32-03-【案例】鸢尾花分类.mp4
-
33-03-【案例】手写数字识别.mp4
-
34-04-01-决策树简介-熵.mp4
-
35-04-02条件熵及计算举例.mp4
-
36-04-03信息增益-ID3算法.mp4
-
37-04-04决策树代码实现(1-熵的计算).mp4
-
38-04-05决策树代码实现(2-划分数据集-选择最好的特征).mp4
-
39-04-06决策树代码实现(3-类别投票表决).mp4
-
40-04-07决策树代码实现( 4-决策树递归生成，决策树对新数据进行预测).mp4
-
41-04-08 C4.5算法.mp4
-
42-04-09基尼指数(Gini Index)生成决策树.mp4
-
43-04-10决策树剪枝.mp4
-
44-04-11决策树处理连续值与缺失值.mp4
-
45-04-12多变量决策树.mp4
-
46-04-【实战】Sklearn实现决策树.mp4
-
47-04-【案例】：使用决策树进行个人信用风险评估(1.数据集介绍-数据预处理).mp4
-
48-04-【案例】：使用决策树进行个人信用风险评估(2.模型评估指标).mp4
-
49-04-【案例】：使用决策树进行个人信用风险评估(3.模型评估，优化).mp4
-
50-05-01-贝叶斯决策简介.mp4
-
51-05-02-贝叶斯决策模型.mp4
-
52-05-03-朴素贝叶斯模型.mp4
-
53-05-04-朴素贝叶斯代码实现(1.训练过程).mp4
-
54-05-05-朴素贝叶斯代码实现(2.预测过程).mp4
-
55-05-06-拉普拉斯修正及代码实现.mp4
-
56-05-07-朴素贝叶斯如何处理连续型数据.mp4
-
57-05-08-Sklearn实现朴素贝叶斯.mp4
-
58-05-【案例】垃圾邮件识别(1.实现原理).mp4
-
59-05-【案例】垃圾邮件识别(2.代码实现).mp4
-
60-06-01-支持向量机简介.mp4
-
61-06-02-线性可分支持向量机(几何间隔，函数间隔，目标函数).mp4
-
62-06-03-拉格朗日乘子法求带有等式约束的极值问题.mp4
-
63-06-04-拉格朗日乘子法求带有不等式约束的极值问题-KKT条件.mp4
-
64-06-05-目标函数求解(1.对偶问题-先对w-b求极小).mp4
-
65-06-06-目标函数求解(2.对alpha求极大).mp4
-
66-06-07-SVM求解举例.mp4
-
67-06-08-线性支持向量机的目标函数.mp4
-
68-06-09-线性支持向量机目标函数优化.mp4
-
69-06-10-非线性支持向量机简介.mp4
-
70-06-11-非线性支持向量机的目标函数.mp4
-
71-06-12-SMO算法推导结果.mp4
-
72-06-13-1SVM代码实现之简易版(上).mp4
-
73-06-14-1SVM代码实现之简易版(下).mp4
-
74-06-15-2SVM代码实现之改进版.mp4
-
75-06-16-3SVM代码实现之引进核函数版.mp4
-
76-06-17-SMO算法推导过程1.mp4
-
77-06-18-SMO算法推导过程2.mp4
-
78-06-19-SMO算法推导过程3.mp4
-
79-06-20-SMO算法推导过程4.mp4
-
80-06-21-SVM总结.mp4
-
81-06-【实战】-Sklearn实现SVM1.mp4
-
82-06-【实战】-Sklearn实现SVM2-3，输出常用属性值，使用高斯核.mp4
-
83-06-【实战】-Sklearn实现SVM4，调参.mp4
-
84-06-【案例】使用SVM完成人脸识别.mp4
-
85-07-01-K-means基本原理及推导.mp4
-
86-07-02-K-means中距离计算方法.mp4
-
87-07-03-K-means代码实现(1原生代码实现).mp4
-
88-07-04-K-means代码实现(2sklearn实现KMeans).mp4
-
89-07-05-层次聚类原理及距离计算.mp4
-
90-07-06层次聚类举例.mp4
-
91-07-07Sklearn实现层次聚类.mp4
-
92-07-08密度聚类.mp4
-
93-07-09Sklearn实现密度聚类.mp4
-
94-07-10-高斯混合模型介绍.mp4
-
95-07-11-高斯混合模型参数估计.mp4
-
96-07-12高斯混合模型原生代码实现.mp4
-
97-07-13 Sklearn实现高斯混合模型.mp4
-
98-07-【案例】对亚洲足球队进行聚类分析.mp4
-
99-08-01-主成分分析介绍.mp4