Python人工智能机器学习实战训练营课程视频教程下载。本套课程涵盖经典机器学习知识+实战项目。让学员能够系统掌握AI知识,为成为机器学习工程师,数据分析师,数据科学家或者为深度学习打下坚实基础。课程把相关知识点穿插到项目中讲解,而非空谈理论,整体风格通俗易懂。
课程大纲
│ 介绍.png
│
├─01.第1章 k-近邻算法
│ 任务01:第1期 k-近邻算法(完整版).zip
│ 任务02: 1.机器学习概述.mp4
│ 任务03: 2.k-近邻算法原理.mp4
│ 任务04: 3.k-近邻的python实现.mp4
│ 任务05: 4.k-近邻算法之约会网站配对效果判定.mp4
│ 任务06: 5.k-近邻算法之手写数字识别.mp4
│
├─02.第2章 决策树
│ 任务07:第2期 决策树(完整版).zip
│ 任务08: 1. 决策树原理简介.mp4
│ 任务09: 2. 决策树的构建准备工作.mp4
│ 任务10: 3. 递归构建决策树.mp4
│ 任务11: 4. 利用sklearn绘制决策树.mp4
│ 任务12: 5. 决策树的可视化.mp4
│ 任务13: 6. 使用决策树预测隐形眼镜类型.mp4
│
├─03.第3章 朴素贝叶斯
│ 任务14: 第3期 朴素贝叶斯 (完整版).zip
│ 任务15: 1. 朴素贝叶斯概述.mp4
│ 任务16: 2. 朴素贝叶斯之鸢尾花数据实验.mp4
│ 任务17: 3. 朴素贝叶斯之言论过滤.mp4
│ 任务18: 4. 朴素贝叶斯之垃圾邮件过滤.mp4
│ 任务19: 5. kaggle比赛之“旧金山犯罪分类预测”.mp4
│ 任务20: 6. 算法总结.mp4
│
├─04.第4章 Logistic 回归
│ 任务21:第4期 logistic(完整版).zip
│ 任务22: 1. logistic原理概述.mp4
│ 任务23: 2. 损失函数正则化.mp4
│ 任务24: 3. 梯度下降法.mp4
│ 任务25: 4. 梯度下降种类解析.mp4
│ 任务26: 5. 梯度下降求解逻辑回归.mp4
│ 任务27: 6. 病马案例.mp4
│ 任务28: 7. sklearn实现葡萄牙银行营销案例.mp4
│ 任务29: 8. 分类算法大比拼.mp4
│ 任务30: 9. 算法总结.mp4
│
├─05.第5章 支持向量机
│ 任务31:第5期 支持向量机(完整版).zip
│ 任务33: 2. 补充数学公式.mp4
│ 任务34: 3. smo算法流程.mp4
│ 任务35: 4. 简化版smo算法.mp4
│ 任务36: 5. 完整版smo算法.mp4
│ 任务37: 6. 核函数.mp4
│ 任务38: 7. 非线性svm.mp4
│ 任务39: 8. 案例:svm之手写数字识别.mp4
│ 任务40: 9. 算法总结.mp4
│
├─06.第6章 AdaBoost算法
│ 任务41:第6期 Adaboost算法(完整版).zip
│ 任务42: 1. 集成算法概念.mp4
│ 任务43: 2. adaboost算法步骤.mp4
│ 任务44: 3. 构建弱分类器.mp4
│ 任务45: 4. adaboost完整版函数.mp4
│ 任务46: 5. 案例:adaboost在病马数据集上的应用.mp4
│ 任务47: 6. 分类器衡量指标.mp4
│ 任务48: 7. 样本不均衡问题.mp4
│ 任务49: 8. 案例:套坦尼克号幸存者预测.mp4
│
├─07.第7章 线性回归
│ 任务50:第7期 线性回归(完整版).zip
│ 任务51: 1. 线性回归概述.mp4
│ 任务52: 2. 线性回归的损失函数.mp4
│ 任务53: 3. 简单线性回归python实现.mp4
│ 任务54: 4. 局部加权线性回归.mp4
│ 任务55: 5. 案例:预测鲍鱼的年龄.mp4
│ 任务56: 6. 岭回归.mp4
│ 任务57: 7. lasso和向前逐步回归.mp4
│ 任务58: 8. 爬虫获取乐高交易数据.mp4
│ 任务59: 9. 乐高二手成交价预测.mp4
│
├─08.第8章 树回归
│ 任务60:第8期 树回归(完整版).zip
│ 任务61: 1. 决策树回顾.mp4
│ 任务62: 2.cart算法概述.mp4
│ 任务63: 3. cart回归树的python实现.mp4
│ 任务64: 4. 回归树的sklearn实现.mp4
│ 任务65: 5. 树剪枝.mp4
│ 任务66: 6. 模型树.mp4
│ 任务67: 7. 回归树预测结果.mp4
│ 任务68: 8. 模型树和标准线性回归预测结果.mp4
│ 任务69: 9. 使用python的tkinter库创建gui.mp4
│
├─09.第9章 K-均值聚类算法
│ 任务70:第9期 K-均值聚类(完整版).zip
│ 任务71: 1. 聚类分析概述.mp4
│ 任务72: 2. k均值算法原理.mp4
│ 任务73: 3. k均值算法的python实现(1).mp4
│ 任务74: 4. k均值算法的python实现(2).mp4
│ 任务75: 5. 算法验证.mp4
│ 任务76: 6. 误差平方和sse和学习曲线.mp4
│ 任务77: 7. 模型收敛稳定性探讨.mp4
│ 任务78: 8. 二分k均值法(1).mp4
│ 任务79: 9. 二分k均值法(2).mp4
│ 任务80: 10. 聚类模型评价指标.mp4
│ 任务81: 11. 轮廓系数的python实现.mp4
│ 任务82: 【附录1】距离类模型中距离的确定.mp4
│ 任务83: 【附录2】归一化处理.mp4
│
└─10.第10章 关联规则之Apriori
任务84:课件、代码及数据集下载.zip
任务85: 1 关联分析概述.mp4
任务86: 2 频繁项集的评估标准:支持度&置信度.mp4
任务87: 3 频繁项集的评估标准:提升度.mp4
任务88: 4 关联规则的发现.mp4
任务89: 5 apriori原理.mp4
任务90: 6 apriori挖掘频繁项集(1).mp4
任务91: 7 apriori挖掘频繁项集(2).mp4
任务92: 8 apriori挖掘频繁项集(3).mp4
任务93: 9 apriori挖掘关联规则(1).mp4
任务94: 10 apriori挖掘关联规则(2).mp4
任务95: 11 案例:发现美国国会投票中的模式.mp4
任务96: 12 案例:发现毒蘑菇的相似特征(1).mp4
任务97: 13 案例:发现毒蘑菇的相似特征(2).mp4
任务98: 14 案例:发现毒蘑菇的相似特征(3).mp4
交易流程
发货方式
1、自动:在上方保障服务中标有自动发货的商品,拍下后,将会自动收到的商品获取(下载)链接;
交易周期
1、教程默认交易周期:自动发货商品为1天,买家有1次额外延长3天交易周期的权利;
2、若上述交易周期双方依然无法完成交易,任意一方可发起追加周期(1~60天)的请求,对方同意即可延长。
注:买家购买后,请注意及时对购买的资源进行检查,以免过了交易周期。
退款说明
1、描述:教程描述的内容(含标题)与实际教程不一致的(例:描述PHP实际为ASP、描述的内容实际缺少、视频过于模糊,文档乱码不可读等);
2、演示:源码类,有演示站时,与实际源码小于95%一致的(但描述中有"不保证完全一样、有变化的可能性"类似显著声明的除外);
4、收货:买家无法成功转存到自己网盘上,买家下载后,不能解压或解压出来的内容与商品描述的内容不一致。
5、其他:如质量方面的硬性常规问题等。
注:经核实符合上述任一,均支持退款。
免责声明
1、淘好源网作为第三方中介平台,依据交易合同(商品描述、交易前商定的内容)来保障交易的安全及买卖双方的权益;
2、非平台线上交易的项目,出现任何后果均与淘好源网无关;无论卖家以何理由要求线下交易的,请联系管理举报。
3. 淘好源网站的资源均由店家上传出售,本站无法判断和识别资源的版权等合法性属性。如果您对本网站上传的信息资源的版权存有异议,请您及时联系
我们。如果需要删除链接,请下载下面的附件,正确填写信息后并发给我们,本站核实信息真实性后,在24小时内对商品进行删除处理。
联系邮箱:admin@taohaoyuan.com
(相关事务请发函至该邮箱)附件: