贪心学院-机器学习算法模型推导及项目实战

📁 第7节 K-means
    第7节 K-means必看.png  [493.5 KB]
    7.7K值如何选择.mp4  [128.6 MB]
    7.3kmeans算法过程及特性.mp4  [127.7 MB]
    7.4kmeans的实现.mp4  [248.9 MB]
    7.2kmeans算法.mp4  [145.7 MB]
    7.5kmeans案例.mp4  [366.0 MB]
    7.1聚类分析.mp4  [86.1 MB]
    7.8其他聚类算法及问答.mp4  [128.6 MB]
    7.6kmeans的目标函数.mp4  [244.3 MB]
📁 第3节 线性回归与逻辑回归
    第3节 线性回归与逻辑回归文档.png  [493.5 KB]
    QA.mp4  [276.8 MB]
    线性回归1.mp4  [38.1 MB]
    逻辑回归2.mp4  [67.3 MB]
    线性回归2.mp4  [59.8 MB]
    逻辑回归1.mp4  [33.6 MB]
📁 机器学习课件及代码
    机器学习课件及代码资料.zip  [1.8 MB]
    Machine-Learning-master.exe  [62.6 MB]
📁 第9节 Boosting
    9.5寻找最好的Split.mp4  [365.1 MB]
    9.2训练模型.mp4  [237.0 MB]
    9.4新的目标函数.mp4  [292.9 MB]
    9.1XGBoost.mp4  [170.3 MB]
    9.3使用泰勒级数近似目标函数.mp4  [422.3 MB]
📁 第2节 K-NN 最近邻
    2.7KNN的延伸内容（Optional）.mp4  [160.4 MB]
    2.5特征缩放.mp4  [26.5 MB]
    2.6二手车估价案例.mp4  [255.9 MB]
    2.3KNN的决策边界.mp4  [254.2 MB]
    2.4通过交叉验证选择K.mp4  [112.4 MB]
    2.1KNN介绍.mp4  [270.7 MB]
    2.2欧式距离以及KNN实现.mp4  [383.4 MB]
📁 第1节 机器学习介绍
    1.2分类、回归和聚类的理论.mp4  [33.7 MB]
    1.4案例：通过广告投放预测产品销量.mp4  [247.6 MB]
    1.1机器学习、大数据、数据挖掘的区别和联系.mp4  [38.6 MB]
    1.3机器学习的流程 数据预处理.mp4  [48.4 MB]
📁 第6节 决策树与随机森林
    第6节 决策树与随机森林资料.zip  [1.8 MB]
    6.4随机森林02.mp4  [421.2 MB]
    6.2决策树02.mp4  [518.4 MB]
    6.3随机森林01.mp4  [593.3 MB]
    6.1决策树01.mp4  [416.1 MB]
    6.5随机森林03.mp4  [162.5 MB]
📁 第8节 矩阵分解
    8.2矩阵分解推荐系统.代码演示.1.mp4  [23.4 MB]
    8.1Recommender.mp4  [255.7 MB]
    8.3矩阵分解推荐系统.代码演示.2.mp4  [570.2 MB]
📁 第5节 SVM支持向量机
    5.3SVM-03.mp4  [253.4 MB]
    5.1SVM-01.mp4  [649.4 MB]
    5.2SVM-02.mp4  [97.2 MB]
    5.4SVM-04.mp4  [416.3 MB]
📁 第4节 朴素贝叶斯
    4.1朴素贝叶斯的核心思想.mp4  [49.2 MB]
    4.3垃圾邮件分类-02.mp4  [403.1 MB]
    4.5文本表示-01.mp4  [101.2 MB]
    4.7Extensions.mp4  [60.8 MB]
    4.4手推一个完整的例子.mp4  [399.4 MB]
    4.2垃圾邮件分类-01.mp4  [234.3 MB]
    4.6文本表示-02.mp4  [275.5 MB]
📁 第10节 主题模型
    10.2MLEvsMAPvsBayesian.mp4  [218.1 MB]
    10.3从生成的角度来看LDA.mp4  [252.3 MB]
    10.4计算模型的参数.mp4  [526.6 MB]
    10.1主题模型.mp4  [378.1 MB]