黑马- 人工智能与数据挖掘

📁 02 阶段二 数据挖掘
📁     📁 01 第一章 SparkMllib数据挖掘+SparkGraphX
📁         📁 01 1-SparkMllib机器学习理论基础详解
            13 13-构建机器学习模型的流程.mp4  [14.9 MB]
            10 10-机器学习数据集概述3.mp4  [27.3 MB]
            02 02-机器学习和大数据的区别和联系(二).mp4  [34.8 MB]
            03 03-机器学习和大数据的区别和联系(三).mp4  [26.2 MB]
            12 12-机器学习三要素强化.mp4  [19.1 MB]
            09 09-机器学习数据集概述2.mp4  [25.7 MB]
            01 01-机器学习和大数据的区别(一).mp4  [27.5 MB]
            05 05-数据分析和数据挖掘联系.mp4  [15.3 MB]
            14 14-模型选择.mp4  [26.9 MB]
            07 07-基于规则的学习和基于模型的学习方式.mp4  [24.4 MB]
            15 15-交叉验证及经验和结构风险.mp4  [39.4 MB]
            11 11-机器学习问题分类.mp4  [57.6 MB]
            04 04-人工智能和机器学习的区别.mp4  [36.5 MB]
            08 08-机器学习数据集概述1.mp4  [19.7 MB]
            06 06-什么是机器学习问题.mp4  [29.8 MB]
📁         📁 05 5-SparkMllib高级模块与线性回归基础及实战
            04 4-通过set方法和ParamMap方法赋值超参数的选项.mp4  [43.8 MB]
            15 15-SparkMl实战运输时间的预测分析.mp4  [34.0 MB]
            11 11-多元线性回归简介.mp4  [10.6 MB]
            01 1-SparkMllib的pipeline简介.mp4  [16.9 MB]
            12 12-最小二乘推导补充(补充).mp4  [33.6 MB]
            08 8-简单交叉验证及模型选择.mp4  [43.5 MB]
            10 10-最小二乘法解决简单线性回归原理.mp4  [19.7 MB]
            02 2-Dataframe组件.mp4  [40.7 MB]
            18 17-Sparkml完成房价预测分析实战.mp4  [86.9 MB]
            09 9-简单线性回归.mp4  [30.6 MB]
            03 3-Pipeline原理.mp4  [28.1 MB]
            17 16-SparkMl实战libsvm数据的形式.mp4  [22.4 MB]
            07 7-超参数的网格搜索.mp4  [61.9 MB]
            05 5-通过pipeline完成案例的代码编写.mp4  [42.3 MB]
            16 16-SparkMllib基于RDD结构实战线性回归实例.mp4  [36.2 MB]
            13 13-线性回归的变体及各适用场景.mp4  [35.2 MB]
            14 14-SparkMl实战脂肪数据集的案例.mp4  [71.8 MB]
            06 6-如何对模型选择与优化.mp4  [12.1 MB]
📁         📁 07 7-SparkGraphX理论基础与实战
            07 7-SparkGraphX构件图及查询的操作.mp4  [50.7 MB]
            03 3-SparkGraphX图算法.mp4  [14.5 MB]
            05 5-SparkGraphX架构层面及存储方式简介.mp4  [19.8 MB]
            06 6-SparkGraphX定义顶点操作.mp4  [51.1 MB]
            13 13-图的基本信息--顶点、边、入度、出度.mp4  [50.7 MB]
            09 9-图的类型和图的存储方式简介.mp4  [42.4 MB]
            12 12-社交网络数据的创建部分代码实战.mp4  [57.5 MB]
            04 4-SparkGraphX抽象是RDPG---弹性分布式属性图.mp4  [9.8 MB]
            16 16-图的关联操作.mp4  [25.1 MB]
            11 11-构建图的操作代码.mp4  [66.3 MB]
            17 17-图的聚合以及图的操作API总结.mp4  [47.9 MB]
            10 10-构建图的方法原理及源码了解创建过程.mp4  [68.7 MB]
            02 2-SparkGraphX简介.mp4  [17.3 MB]
            08 8-图的基本数据结构.mp4  [37.0 MB]
            01 1-图基本概念以及图计算应用.mp4  [18.4 MB]
            15 15-图的结构操作：reverse、subgraph、mask、groupGraph.mp4  [57.6 MB]
            14 14-图的转换操作：mapVertices、mapEdges、mapTriplet.mp4  [4.3 MB]
📁         📁 02 2-SparkMllib库特征工程基础与实战(一)
            06 6.SparkMllib算法分类及应用场景.mp4  [18.4 MB]
            16 16-SparkMllib假设检验和随机数的产生.mp4  [65.5 MB]
            04 4-环境搭建及RDD、DF、DS的转换实践.mp4  [62.1 MB]
            18 18-特征提取-word2vec实践.mp4  [25.7 MB]
            01 01-SparkMllib的功能.mp4  [33.1 MB]
            07 7-SparkMllib基础数据类型-localvector.mp4  [45.6 MB]
            02 2-SparkMllib的版本.mp4  [17.6 MB]
            09 9.SparkMllib基础数据类型-libsvm数据读取.mp4  [34.8 MB]
            17 17-特征提取tf-ifd.mp4  [61.1 MB]
            12 12.SparkMllib基础数据类型-分块矩阵.mp4  [56.2 MB]
            13 13.SparkMllib均值和方差.mp4  [49.9 MB]
            11 11.SparkMllib基础数据类型-分布式行矩阵和行索引矩阵.mp4  [49.1 MB]
            15 15-SparkMllib假设检验的卡方验证.mp4  [53.8 MB]
            10 10.SparkMllib基础数据类型-localmatrix.mp4  [22.3 MB]
            03 3-SparkMllib架构.mp4  [20.9 MB]
            14 14-SparkMllib相关系数.mp4  [46.0 MB]
            19 19-特征提取CountVector.mp4  [25.2 MB]
            05 5-如何利用SparkMllib构建机器学习推荐架构.mp4  [31.6 MB]
            08 8-SparkMllib基础数据类型-labelpoint.mp4  [20.6 MB]
📁         📁 03 3-SparkMllib库特征工程基础与实战(二)
            13 32-RFormula和卡方验证选择特征方法.mp4  [43.4 MB]
            10 29-特征转换VectorAssemble.mp4  [51.1 MB]
            12 31-特征选择VectorSlicer.mp4  [25.1 MB]
            03 22-特征转换-类别型数据和数值型数据转换.mp4  [19.1 MB]
            08 27-Bucketizer分箱.mp4  [21.7 MB]
            15 36-案例实践2-Iris统计初步实践.mp4  [29.2 MB]
            11 30-特征转换-QuantileDiscretizer.mp4  [18.5 MB]
            06 25-正则项.mp4  [39.6 MB]
            07 26-数值型数据处理的方法.mp4  [35.2 MB]
            02 21-特征转换-PCA操作.mp4  [56.9 MB]
            14 33-卡方验证案例补充.mp4  [45.6 MB]
            18 39-案例实践2-iris的SParkMllib特征工程实践.mp4  [50.9 MB]
            04 23-特征转换-OneHot编码方式.mp4  [17.4 MB]
            01 20-特征转化的二值化操作.mp4  [4.3 MB]
            17 38-案例实践2-iris的Dataframe数据统计.mp4  [40.7 MB]
            16 37-案例实践2-Iris的rdd相关系数实践.mp4  [15.6 MB]
            05 24-特征转换-VectorIndexer转换操作.mp4  [5.9 MB]
            09 28-ElementWise与SQLTransform实践.mp4  [33.2 MB]
📁         📁 08 8-SparkGraphX与SparkMllib综合实战
            02 2-PageRank算法思想.mp4  [39.2 MB]
            08 8-SparkGrphX实现最短路径.mp4  [44.8 MB]
            07 7-广度优先遍历.mp4  [52.3 MB]
            06 6-通过PageRank算法得到网页排名的重要性.mp4  [33.1 MB]
            04 4-SparkGraphX通过社交网络数据完成重要节点的选择.mp4  [59.3 MB]
            03 3-PageRank算法深入.mp4  [22.7 MB]
            10 10-SparkGraphx实战三角关系网络发现.mp4  [44.9 MB]
            01 1-PageRank算法的基本假设和理解.mp4  [14.2 MB]
            12 12-SVD++实战推荐算法预测.mp4  [26.5 MB]
            05 5-通过wiki数据达到网页重要性的pagerank度量.mp4  [31.6 MB]
            09 9-连通图和强联通图.mp4  [51.1 MB]
            11 11-SVD++原理.mp4  [41.1 MB]
📁         📁 04 4-SparkMllib决策树算法基础与实战
            14 14-SparkMllib相亲数据建模分析.mp4  [53.5 MB]
            10 10-Cart分类树原理及Gini系数.mp4  [29.3 MB]
            08 8-Cart树的回归树原理理解.mp4  [40.6 MB]
            02 2.基于规则建树.mp4  [42.8 MB]
            09 9-Cart树算法案例讲解.mp4  [9.5 MB]
            15 15-SparkMllib实战iris鸢尾花实战.mp4  [69.2 MB]
            06 6-决策树的剪枝方式.mp4  [31.7 MB]
            05 5-ID3算法举例和C4.5算法改进.mp4  [37.0 MB]
            03 3-信息熵的理解.mp4  [11.9 MB]
            11 11-Cart分类树的案例.mp4  [15.7 MB]
            04 4-ID3算法步骤详解.mp4  [19.1 MB]
            16 16-SparkMl实战Iris特征工程及建模实战1.mp4  [69.9 MB]
            12 12-SparkMllib实战libsvm数据建模.mp4  [94.7 MB]
            07 7-电商购买数据集ID3算法对比实践.mp4  [18.8 MB]
            13 13-SparkMl实战libsvm数据全流程讲解实战.mp4  [75.6 MB]
            01 1-了解什么是决策树.mp4  [23.4 MB]
📁         📁 06 6-SparkMllib聚类算法基础与实战
            18 18-SparkLDA实现了主题的提取实战.mp4  [70.6 MB]
            14 14-GMM模型原理.mp4  [36.9 MB]
            12 12-其他聚类思路-层次聚类方法.mp4  [27.1 MB]
            05 5-Kmens算法性能指标分析.mp4  [20.9 MB]
            07 7-SparkMLIB实战KMEans算法.mp4  [43.3 MB]
            11 11-k-medoids了解.mp4  [22.7 MB]
            09 9-SparkMl实现基本数据的聚类分析实战.mp4  [27.1 MB]
            15 15-聚类算法的总结：.mp4  [9.1 MB]
            01 1-什么是聚类.mp4  [15.6 MB]
            02 2-关于多种距离的度量简介.mp4  [24.4 MB]
            04 4-KMeans的举例.mp4  [27.9 MB]
            17 17-SparkMllib完成对于GMM高斯混合模型实践分析.mp4  [26.5 MB]
            13 13-基于密度的聚类DBSCAN.mp4  [32.4 MB]
            19 19-SparkML实现IRis鸢尾花的聚类算法实战.mp4  [35.5 MB]
            08 8-SparkMLLIB实现药品数据得简单聚类.mp4  [29.8 MB]
            06 6-KMeans特点及注意事项.mp4  [21.5 MB]
            03 3-聚类算法核心思想.mp4  [25.5 MB]
            16 16-SparkMllib实现对于层次聚类的分析.mp4  [29.8 MB]
            10 10-SparkMl和parkSql实现经纬度数据聚类分析实战.mp4  [76.3 MB]
📁 01 阶段一 人工智能
📁     📁 05 第五章 pandasV2.1
📁         📁 01 pandas数据结构
            07 16-3点评-回顾总结.mp4  [22.4 MB]
            10 18-2点评-pandas数据结构-multiindex和panel.mp4  [4.2 MB]
            01 14-1讲解-pandas介绍.mp4  [6.4 MB]
            03 15-1讲解-pandas数据结构-series.mp4  [19.1 MB]
            08 17-1讲解-pandas数据结构-DataFrame2.mp4  [19.4 MB]
            05 16-1讲解-pandas数据结构-DataFrame1.mp4  [28.5 MB]
            06 16-2点评-pandas数据结构-DataFrame1.mp4  [11.4 MB]
            09 18-1讲解-pandas数据结构-multiindex和panel.mp4  [28.1 MB]
            02 14-2点评-pandas介绍.mp4  [4.1 MB]
            04 15-2点评-pandas数据结构-series.mp4  [5.9 MB]
📁         📁 02 pandas基础使用
            03 02-1讲解-赋值和排序.mp4  [24.8 MB]
            12 07-1讲解-pandas中文件的读取和写入.mp4  [71.5 MB]
            11 06-1讲解-pandas中绘图方式介绍.mp4  [26.5 MB]
            13 07-2点评-pandas中文件的读取和写入.mp4  [16.0 MB]
            01 01-1讲解-pandas中的索引.mp4  [38.4 MB]
            06 03-2点评-pandas中的算术运算和逻辑运算.mp4  [9.9 MB]
            15 07-4点评-内容总结.mp4  [94.2 MB]
            09 05-1讲解-pandas中的累计统计函数和自定义函数.mp4  [25.4 MB]
            04 02-2点评-赋值和排序.mp4  [7.1 MB]
            05 03-1讲解-pandas中的算术运算和逻辑运算.mp4  [24.2 MB]
            14 07-3点评-pandas中文件的读取和写入.mp4  [71.8 MB]
            10 05-2点评-pandas中的累计统计函数和自定义函数.mp4  [44.9 MB]
            07 04-1讲解-pandas中的统计函数.mp4  [22.5 MB]
            02 01-2点评-pandas中的索引.mp4  [11.3 MB]
            08 04-2点评-pandas中的统计函数.mp4  [7.9 MB]
📁         📁 04 电影案例分析
            02 14-1讲解-电影案例分析1.mp4  [32.8 MB]
            03 14-2点评-电影案例分析1.mp4  [12.8 MB]
            04 15-1讲解-电影案例分析.mp4  [48.8 MB]
            01 14-0前置-电影案例分析1.mp4  [4.8 MB]
            06 15-3点评-电影案例分析.mp4  [10.2 MB]
            05 15-2点评-电影案例分析.mp4  [20.6 MB]
📁         📁 03 pandas高级使用
            10 12-1讲解-分组聚合介绍.mp4  [18.3 MB]
            01 08-1讲解-缺失值的处理.mp4  [61.3 MB]
            02 08-2点评-缺失值的处理.mp4  [16.2 MB]
            12 13-1讲解-星巴克案例实现.mp4  [19.6 MB]
            06 10-2点评-数据表的合并.mp4  [10.7 MB]
            09 11-3点评-内容回顾.mp4  [11.8 MB]
            03 09-1讲解-数据离散化.mp4  [33.6 MB]
            04 09-2点评-数据离散化.mp4  [13.1 MB]
            13 13-2点评-星巴克案例实现.mp4  [3.4 MB]
            05 10-1讲解-数据表的合并.mp4  [21.7 MB]
            08 11-2点评-交叉表和透视表介绍.mp4  [12.5 MB]
            11 12-2点评-分组聚合介绍.mp4  [9.8 MB]
            07 11-1讲解-交叉表和透视表介绍.mp4  [38.2 MB]
        t.zip  [1.8 MB]
        t(1).zip  [1.8 MB]
📁     📁 08 第八章 线性回归V2.1
📁         📁 02 损失优化
            01 09-1讲解-线性回归中损失函数的介绍.mp4  [11.4 MB]
            06 11-2点评-使用梯度下降法对损失函数进行优化.mp4  [15.8 MB]
            02 09-2点评-线性回归中损失函数的介绍.mp4  [9.3 MB]
            04 10-2点评-使用正规方程对损失函数进行优化.mp4  [20.7 MB]
            03 10-1讲解-使用正规方程对损失函数进行优化.mp4  [23.4 MB]
            05 11-1讲解-使用梯度下降法对损失函数进行优化.mp4  [31.3 MB]
📁         📁 03 回归相关知识
            15 18-1讲解-模型保存和加载.mp4  [21.7 MB]
            13 17-1讲解-岭回归介绍.mp4  [25.0 MB]
            04 13-0前置-线性回归api再介绍.mp4  [4.9 MB]
            12 16-2点评-正则化线性模型.mp4  [12.0 MB]
            03 12-3点评-内容回顾.mp4  [47.6 MB]
            16 18-2点评-模型保存和加载.mp4  [3.5 MB]
            10 15-2点评-欠拟合和过拟合的介绍.mp4  [16.5 MB]
            06 13-2点评-线性回归api再介绍.mp4  [8.8 MB]
            14 17-2点评-岭回归介绍.mp4  [6.5 MB]
            02 12-2点评-梯度下降法方法介绍.mp4  [22.9 MB]
            07 14-1讲解-波士顿房价预测案例.mp4  [55.1 MB]
            09 15-1讲解-欠拟合和过拟合的介绍.mp4  [24.0 MB]
            11 16-1讲解-正则化线性模型.mp4  [13.5 MB]
            01 12-1讲解-梯度下降法方法介绍.mp4  [52.1 MB]
            08 14-2点评-波士顿房价预测案例.mp4  [7.8 MB]
📁         📁 01 回归介绍
            04 08-1讲解-数学：求导.mp4  [12.0 MB]
            03 07-1讲解-初始线性回归api.mp4  [13.8 MB]
            05 08-2点评-数学：求导.mp4  [5.5 MB]
            02 06-2点评-线性回归简介.mp4  [4.6 MB]
            01 06-1讲解-线性回归简介.mp4  [23.8 MB]
📁         📁 03 回归相关知识
            05 13-1讲解-线性回归api再介绍.mp4  [6.7 MB]
        08 第八章 线性回归V2.1文档.png  [493.5 KB]
📁     📁 11 第十一章 集成学习V2.1
📁         📁 01 集成介绍
            02 07-1讲解-bagging和随机森林.mp4  [62.3 MB]
            04 07-3点评-bagging和随机森林.mp4  [8.2 MB]
            03 07-2点评-bagging和随机森林.mp4  [13.1 MB]
            01 06-1讲解-集成学习基本介绍.mp4  [8.5 MB]
            05 07-4点评-内容回顾.mp4  [30.4 MB]
📁         📁 02 随机森林案例
            03 09-1讲解-otto数据基本处理.mp4  [29.7 MB]
            11 12-2点评-生成提交数据.mp4  [17.2 MB]
            08 11-2点评-模型调优和确定最优模型.mp4  [9.5 MB]
            07 11-1讲解-模型调优和确定最优模型.mp4  [82.7 MB]
            10 12-1讲解-生成提交数据.mp4  [40.6 MB]
            02 08-2点评-otto案例介绍以及数据获取.mp4  [10.8 MB]
            06 10-2点评-otto数据模型基本训练.mp4  [6.5 MB]
            05 10-1讲解-otto数据模型基本训练.mp4  [35.5 MB]
            04 09-2点评-otto数据基本处理.mp4  [19.5 MB]
            01 08-1讲解-otto案例介绍以及数据获取.mp4  [31.0 MB]
            09 11-3点评-模型调优和确定最优模型.mp4  [13.0 MB]
📁         📁 03 集成学习
            02 13-2点评-boosting介绍.mp4  [73.8 MB]
            04 14-2点评-GBDT的介绍.mp4  [44.4 MB]
            03 14-1讲解-GBDT的介绍.mp4  [18.5 MB]
            01 13-1讲解-boosting介绍.mp4  [36.8 MB]
        11 第十一章 集成学习V2.1资料.zip  [1.8 MB]
📁     📁 06 第六章 seabornV2.1
📁         📁 03 NBA案例
            01 05-1讲解-NBA数据获取和相关性基本分析.mp4  [4.8 MB]
            08 08-2点评-球队数据分析.mp4  [10.2 MB]
            03 06-1讲解-对数据进行分析-seaborn.mp4  [55.3 MB]
            02 05-2点评-NBA数据获取和相关性基本分析.mp4  [14.3 MB]
            07 08-1讲解-球队数据分析.mp4  [87.2 MB]
            04 06-2点评-对数据进行分析-seaborn.mp4  [16.3 MB]
            05 07-1讲解-衍生变量的可视化实践.mp4  [45.3 MB]
            06 07-2点评-衍生变量的可视化实践.mp4  [9.1 MB]
📁         📁 01 绘制统计图
            04 02-2点评-绘制双变量分布图形.mp4  [9.4 MB]
            03 02-1讲解-绘制双变量分布图形.mp4  [41.6 MB]
            01 01-1讲解-绘制单变量分布.mp4  [21.6 MB]
            02 01-2点评-绘制单变量分布.mp4  [7.3 MB]
📁         📁 02 分类数据绘图
            05 04-2点评-类别内的数据分布和统计估计.mp4  [19.9 MB]
            04 04-1讲解-类别内的数据分布和统计估计.mp4  [39.4 MB]
            01 03-1讲解-类别散点图的绘制.mp4  [17.5 MB]
            02 03-2点评-类别散点图的绘制.mp4  [31.5 MB]
            03 03-3点评-内容回顾.mp4  [65.1 MB]
📁         📁 04 北京租房数据统计分析
            06 11-1讲解-房源数量和位置分布分析.mp4  [20.1 MB]
            02 09-1讲解-北京市租房数据获取和重复值与空值处理.mp4  [29.1 MB]
            04 10-1讲解-数据类型转换（面积，户型）.mp4  [30.6 MB]
            12 13-2点评-平均租金基本分析.mp4  [25.2 MB]
            11 13-1讲解-平均租金基本分析.mp4  [53.6 MB]
            08 12-1讲解-户型数量基本分析.mp4  [38.5 MB]
            09 12-2点评-户型数量基本分析.mp4  [19.4 MB]
            15 14-3点评-内容总结.mp4  [63.7 MB]
            13 14-1讲解-面积区间分析.mp4  [8.6 MB]
            14 14-2点评-面积区间分析.mp4  [6.2 MB]
            10 12-3点评-户型数量基本分析.mp4  [7.9 MB]
            07 11-2点评-房源数量和位置分布分析.mp4  [4.4 MB]
            01 09-0前置-北京市租房数据获取和重复值与空值处理.mp4  [31.1 MB]
            03 09-2点评-北京市租房数据获取和重复值与空值处理.mp4  [12.9 MB]
            05 10-2点评-数据类型转换（面积，户型）.mp4  [6.9 MB]
📁     📁 17 第十七章 集成学习进阶V2.1
📁         📁 02 otto案例
            07 10-3点评-内容回顾.mp4  [7.5 MB]
            04 09-1讲解-otto案例xgboost实现-模型基本训练.mp4  [17.5 MB]
            08 11-1讲解-otto案例xgboost实现-最优模型运行.mp4  [27.8 MB]
            05 10-1讲解-otto案例xgboost实现-模型调优.mp4  [16.5 MB]
            06 10-2点评-otto案例xgboost实现-模型调优.mp4  [5.9 MB]
            03 08-3点评-otto案例xgboost实现-数据基本处理.mp4  [3.3 MB]
            02 08-2点评-otto案例xgboost实现-数据基本处理.mp4  [13.8 MB]
            01 08-1讲解-otto案例xgboost实现-数据基本处理.mp4  [69.5 MB]
📁         📁 03 lightGBM算法
            09 05-1讲解-pubg案例简介.mp4  [22.9 MB]
            06 03-2点评-lightGBM算法api参数介绍.mp4  [27.6 MB]
            02 01-2点评-lightGBM简单介绍.mp4  [9.6 MB]
            08 04-2点评-lightGBM算法简单案例介绍.mp4  [8.1 MB]
            03 02-1讲解-lightGBM算法原理介绍.mp4  [32.2 MB]
            07 04-1讲解-lightGBM算法简单案例介绍.mp4  [48.2 MB]
            05 03-1讲解-lightGBM算法api参数介绍.mp4  [19.2 MB]
            10 05-2点评-pubg案例简介.mp4  [5.8 MB]
            04 02-2点评-lightGBM算法原理介绍.mp4  [34.9 MB]
            01 01-1讲解-lightGBM简单介绍.mp4  [27.6 MB]
📁         📁 04 绝地求生案例
            02 06-2点评-获取pubg数据.mp4  [4.1 MB]
            07 09-1讲解-异常值处理1.mp4  [63.2 MB]
            10 10-2点评-异常值值处理2.mp4  [7.7 MB]
            05 07-3点评-内容回顾.mp4  [59.1 MB]
            14 13-1讲解-使用RF进行模型训练.mp4  [57.6 MB]
            19 15-2点评-lightGBM对模型调优2.mp4  [6.6 MB]
            01 06-1讲解-获取pubg数据.mp4  [31.5 MB]
            06 08-1讲解-规范化输出部分数据和部分变量合成.mp4  [34.5 MB]
            16 14-1讲解-lightGBM对模型调优1.mp4  [45.8 MB]
            08 09-2点评-异常值处理1.mp4  [12.9 MB]
            18 15-1讲解-lightGBM对模型调优2.mp4  [51.1 MB]
            04 07-2点评-数据缺失值处理和查看每场比赛人数.mp4  [5.5 MB]
            15 13-2点评-使用RF进行模型训练.mp4  [10.6 MB]
            12 11-2点评-类别型数据处理.mp4  [9.7 MB]
            09 10-1讲解-异常值值处理2.mp4  [49.8 MB]
            17 14-2点评-lightGBM对模型调优1.mp4  [7.2 MB]
            11 11-1讲解-类别型数据处理.mp4  [41.8 MB]
            03 07-1讲解-数据缺失值处理和查看每场比赛人数.mp4  [44.9 MB]
            13 12-1讲解-数据截取、确定特征值和目标值、分割数据集.mp4  [17.7 MB]
📁         📁 01 XGBoost算法
            06 03-2点评-回顾.mp4  [68.6 MB]
            01 01-1讲解-xgboost最优模型构建方法.mp4  [10.3 MB]
            08 04-1讲解-XGBoost的回归树构建方法.mp4  [17.1 MB]
            14 07-1讲解-xgboost简单案例介绍.mp4  [26.0 MB]
            07 03-2点评-XGBoost目标函数的推导.mp4  [35.3 MB]
            09 04-2点评-XGBoost的回归树构建方法.mp4  [10.4 MB]
            02 01-2点评-xgboost最优模型构建方法.mp4  [7.5 MB]
            03 02-1讲解-目标函数确定和树的复杂度介绍.mp4  [24.4 MB]
            12 06-1讲解-xgboost算法api与参数介绍.mp4  [28.1 MB]
            05 03-1讲解-XGBoost目标函数的推导.mp4  [32.2 MB]
            11 05-2点评-XGBoost和GBDT的区别.mp4  [6.5 MB]
            04 02-2点评-目标函数确定和树的复杂度介绍.mp4  [18.2 MB]
            13 06-2点评-xgboost算法api与参数介绍.mp4  [30.8 MB]
            10 05-1讲解-XGBoost和GBDT的区别.mp4  [31.6 MB]
📁     📁 09 第九章 逻辑回归V2.1
📁         📁 01 逻辑回归
            09 05-1讲解-roc曲线绘制过程.mp4  [26.5 MB]
            12 06-1讲解-补充-类别不平衡数据介绍.mp4  [23.9 MB]
            08 04-2点评-分类评估方法介绍.mp4  [17.7 MB]
            01 01-1讲解-逻辑回归介绍.mp4  [31.3 MB]
            04 02-2点评-内容回顾.mp4  [19.0 MB]
            11 05-3点评-roc曲线绘制过程.mp4  [4.4 MB]
            05 03-1讲解-肿瘤预测案例.mp4  [43.1 MB]
            02 01-2点评-逻辑回归介绍.mp4  [19.9 MB]
            07 04-1讲解-分类评估方法介绍.mp4  [52.1 MB]
            13 06-2点评-补充-类别不平衡数据介绍.mp4  [6.4 MB]
            06 03-2点评-肿瘤预测案例.mp4  [16.5 MB]
            14 07-1讲解-补充-过采样和欠采样介绍.mp4  [32.3 MB]
            15 07-2点评-补充-过采样和欠采样介绍.mp4  [14.3 MB]
            03 02-1讲解-逻辑回归api介绍.mp4  [4.6 MB]
            10 05-2点评-roc曲线绘制过程.mp4  [16.2 MB]
📁     📁 01 第一章 机器学习概述V2.1
📁         📁 01 机器学习介绍
            11 06-2点评-机器学习工作流程各步骤解释.mp4  [12.8 MB]
            05 03-1讲解-人工智能的发展历程.mp4  [22.3 MB]
            15 08-1讲解-模型评估.mp4  [20.1 MB]
            08 05-1讲解-机器学习定义工作流程概述.mp4  [9.5 MB]
            01 01-0前置-机器学习科学计算库内容简介.mp4  [13.8 MB]
            21 11-2点评-深度学习简介.mp4  [9.3 MB]
            06 04-1讲解-人工智能主要分支.mp4  [22.5 MB]
            20 11-1讲解-深度学习简介.mp4  [18.4 MB]
            02 01-1讲解-机器学习科学计算库内容简介.mp4  [6.2 MB]
            03 02-1讲解-人工智能概述.mp4  [55.6 MB]
            14 07-2点评-机器学习算法分类介绍.mp4  [6.3 MB]
            19 10-1讲解-Azure机器学习平台实验演示2.mp4  [25.0 MB]
            12 06-3点评-机器学习工作流程各步骤解释.mp4  [8.0 MB]
            17 08-3点评-模型评估.mp4  [5.9 MB]
            04 02-2点评-人工智能概述.mp4  [22.5 MB]
            10 06-1讲解-机器学习工作流程各步骤解释.mp4  [43.1 MB]
            13 07-1讲解-机器学习算法分类介绍.mp4  [31.2 MB]
            09 05-2点评-机器学习定义工作流程概述.mp4  [34.5 MB]
            18 09-1讲解-Azure机器学习平台实验演示1.mp4  [55.5 MB]
            16 08-2点评-模型评估.mp4  [9.2 MB]
            07 04-2点评-人工智能主要分支.mp4  [24.9 MB]
📁     📁 03 第三章 matplotlibV2.1
📁         📁 01 matplotlib使用
            10 05-2点评-常见图形绘制.mp4  [21.0 MB]
            04 02-2点评-绘图辅助功能完善-某城市温度变换图.mp4  [14.4 MB]
            05 03-1讲解-在一个坐标系下绘制多个图像.mp4  [25.9 MB]
            06 03-2点评-在一个坐标系下绘制多个图像.mp4  [6.8 MB]
            02 01-2点评-实现基础绘图-某城市温度变换图.mp4  [26.2 MB]
            08 04-2点评-在多个坐标系下绘制多个图像.mp4  [18.8 MB]
            01 01-1讲解-实现基础绘图-某城市温度变换图.mp4  [12.1 MB]
            07 04-1讲解-在多个坐标系下绘制多个图像.mp4  [54.7 MB]
            03 02-1讲解-绘图辅助功能完善-某城市温度变换图.mp4  [53.2 MB]
            09 05-1讲解-常见图形绘制.mp4  [30.7 MB]
📁     📁 12 第十二章 聚类算法V2.1
📁         📁 01 聚类算法
            13 08-1讲解-用户对物品类别的喜好细分案例.mp4  [41.1 MB]
            01 01-1讲解-聚类算法介绍.mp4  [7.1 MB]
            07 04-2点评-模型评估.mp4  [20.6 MB]
            04 03-1讲解-聚类算法实现流程.mp4  [15.7 MB]
            02 02-1讲解-聚类算法api初步实现.mp4  [23.8 MB]
            03 02-2点评-聚类算法api初步实现.mp4  [20.7 MB]
            05 03-2点评-聚类算法实现流程.mp4  [11.5 MB]
            06 04-1讲解-模型评估.mp4  [31.6 MB]
            09 05-2点评-算法优化介绍.mp4  [26.2 MB]
            11 06-2点评-特征降维内容介绍.mp4  [7.6 MB]
            08 05-1讲解-算法优化介绍.mp4  [34.4 MB]
            12 07-1讲解-pca降维介绍.mp4  [4.6 MB]
            14 08-2点评-用户对物品类别的喜好细分案例.mp4  [10.3 MB]
            10 06-1讲解-特征降维内容介绍.mp4  [62.2 MB]
📁     📁 16 第十六章 HMM算法V2.1
📁         📁 01 HMM算法
            12 08-4点评-前向后向算法评估观察序列概率.mp4  [33.6 MB]
            07 07-1讲解-HMM模型基础.mp4  [45.9 MB]
            10 08-2点评-前向后向算法评估观察序列概率.mp4  [6.9 MB]
            17 11-2点评-HMM模型api介绍及案例代码实现.mp4  [17.4 MB]
            08 07-2点评-HMM模型基础.mp4  [17.0 MB]
            16 11-1讲解-HMM模型api介绍及案例代码实现.mp4  [47.8 MB]
            13 09-1讲解-维特比算法解码隐藏状态序列.mp4  [43.5 MB]
            03 05-1讲解-HMM模型的简单案例.mp4  [37.4 MB]
            06 06-2点评-HMM模型三种经典问题举例求解.mp4  [21.0 MB]
            05 06-1讲解-HMM模型三种经典问题举例求解.mp4  [54.7 MB]
            09 08-1讲解-前向后向算法评估观察序列概率.mp4  [10.1 MB]
            15 10-1讲解-鲍姆-韦尔奇算法简介.mp4  [4.8 MB]
            01 04-1讲解-马尔科夫链的介绍.mp4  [12.1 MB]
            14 09-2点评-维特比算法解码隐藏状态序列.mp4  [19.6 MB]
            04 05-2点评-HMM模型的简单案例.mp4  [16.8 MB]
            02 04-2点评-马尔科夫链的介绍.mp4  [8.2 MB]
            11 08-3点评-内容回顾.mp4  [23.4 MB]
📁     📁 02 第二章 环境安装和使用V2.1
📁         📁 01 环境安装及使用
            04 14-1讲解-jupyter notebook的基本使用2.mp4  [43.3 MB]
            01 12-1讲解-基础环境安装.mp4  [12.0 MB]
            02 13-1讲解-jupyter notebook的基本使用1.mp4  [47.4 MB]
            05 14-2点评-jupyter notebook的基本使用2.mp4  [6.0 MB]
            06 15-1讲解-matplotlib的基本使用.mp4  [15.2 MB]
            03 13-2点评-jupyter notebook的基本使用1.mp4  [32.2 MB]
📁     📁 13 第十三章 朴素贝叶斯V2.1
📁         📁 01 朴素贝叶斯
            04 10-2点评-概率内容复习.mp4  [8.5 MB]
            12 14-1讲解-朴素贝叶斯内容总结.mp4  [13.3 MB]
            02 09-2点评-初始朴素贝叶斯.mp4  [4.9 MB]
            11 13-4点评-内容回顾.mp4  [46.8 MB]
            08 13-1讲解-朴素贝叶斯案例实现2.mp4  [81.7 MB]
            03 10-1讲解-概率内容复习.mp4  [44.9 MB]
            06 11-2点评-朴素贝叶斯计算案例.mp4  [12.1 MB]
            05 11-1讲解-朴素贝叶斯计算案例.mp4  [25.8 MB]
            01 09-1讲解-初始朴素贝叶斯.mp4  [4.4 MB]
            07 12-1讲解-朴素贝叶斯案例实现1.mp4  [24.5 MB]
            13 14-2点评-朴素贝叶斯内容总结.mp4  [24.0 MB]
            09 13-2点评-朴素贝叶斯案例实现2.mp4  [8.0 MB]
            10 13-3点评-内容回顾.mp4  [13.0 MB]
📁     📁 07 第七章 K近邻算法V2.1
📁         📁 06 交叉验证, 网格搜索
            03 15-1讲解-交叉验证、网格搜索案例实现.mp4  [24.2 MB]
            01 14-1讲解-交叉验证、网格搜索概念介绍.mp4  [18.3 MB]
            02 14-2点评-交叉验证、网格搜索概念介绍.mp4  [12.0 MB]
            04 15-2点评-交叉验证、网格搜索案例实现.mp4  [8.6 MB]
📁         📁 02 kd树
            04 06-2点评-kd树案例实现.mp4  [18.4 MB]
            01 05-1讲解-kd树和kd树的构造过程.mp4  [27.7 MB]
            06 06-4点评-kd树案例实现.mp4  [19.8 MB]
            03 06-1讲解-kd树案例实现.mp4  [41.8 MB]
            05 06-3点评-内容回顾.mp4  [11.9 MB]
            02 05-2点评-kd树和kd树的构造过程.mp4  [15.2 MB]
📁         📁 01 k近邻算法介绍
            05 02-2点评-K近邻算法api初步使用.mp4  [19.1 MB]
            06 03-1讲解-机器学习中距离度量介绍.mp4  [35.2 MB]
            08 04-1讲解-K值的选择介绍.mp4  [14.0 MB]
            04 02-1讲解-K近邻算法api初步使用.mp4  [21.2 MB]
            01 01-0前置-K-近邻算法简介.mp4  [8.5 MB]
            03 01-2点评-K-近邻算法简介.mp4  [8.2 MB]
            02 01-1讲解-K-近邻算法简介.mp4  [31.5 MB]
            09 04-2点评-K值的选择介绍.mp4  [12.5 MB]
            07 03-2点评-机器学习中距离度量介绍.mp4  [16.4 MB]
📁         📁 07 案例 Facebook位置预测
            09 05-1讲解-补充-交叉验证法和自助法.mp4  [43.4 MB]
            04 02-2点评-案例-Facebook位置预测代码实现1.mp4  [33.3 MB]
            01 01-1讲解-案例-Facebook位置预测流程分析.mp4  [21.9 MB]
            02 01-2点评-案例-Facebook位置预测流程分析.mp4  [13.1 MB]
            10 05-2点评-补充-交叉验证法和自助法.mp4  [17.9 MB]
            05 03-1讲解-案例-Facebook位置预测代码实现2.mp4  [42.0 MB]
            08 04-2点评-补充-数据分割和留出法.mp4  [14.0 MB]
            07 04-1讲解-补充-数据分割和留出法.mp4  [26.5 MB]
            03 02-1讲解-案例-Facebook位置预测代码实现1.mp4  [56.5 MB]
            06 03-3点评-案例-Facebook位置预测代码实现2.mp4  [8.5 MB]
📁         📁 04 特征工程
            02 10-2点评-特征预处理简介.mp4  [3.4 MB]
            05 11-3点评-归一化和标准化介绍.mp4  [3.7 MB]
            01 10-1讲解-特征预处理简介.mp4  [10.8 MB]
            04 11-2点评-归一化和标准化介绍.mp4  [27.6 MB]
            03 11-1讲解-归一化和标准化介绍.mp4  [43.4 MB]
📁         📁 03 数据集处理
            06 09-2点评-数据集的划分.mp4  [9.0 MB]
            01 07-1讲解-数据集获取和属性介绍.mp4  [50.7 MB]
            02 07-2点评-数据集获取和属性介绍.mp4  [21.2 MB]
            03 08-1讲解-数据可视化介绍.mp4  [18.6 MB]
            04 08-2讲解-数据可视化介绍.mp4  [7.3 MB]
            05 09-1讲解-数据集的划分.mp4  [26.0 MB]
📁         📁 05 KNN总结
            04 12-4点评-内容回顾.mp4  [57.4 MB]
            03 12-3点评-内容总结.mp4  [13.2 MB]
            05 13-1讲解-KNN算法总结.mp4  [9.5 MB]
            01 12-1讲解-鸢尾花种类预测.mp4  [40.1 MB]
            06 13-2点评-KNN算法总结.mp4  [4.8 MB]
            02 12-2点评-鸢尾花种类预测.mp4  [9.4 MB]
📁     📁 14 第十四章 SVM算法V2.1
📁         📁 01 SVM算法
            04 03-1讲解-SVM算法推导的目标函数.mp4  [28.0 MB]
            10 05-2点评-SVM损失函数.mp4  [9.1 MB]
            19 10-1讲解-数字识别器-获取数据.mp4  [27.3 MB]
            08 04-3点评-内容回顾.mp4  [42.4 MB]
            14 07-2点评-SVM回归介绍.mp4  [6.3 MB]
            03 02-1讲解-SVM算法api初步使用.mp4  [5.7 MB]
            17 09-1讲解-数字识别器案例初步介绍.mp4  [17.9 MB]
            06 04-1讲解-SVM目标函数推导过程及举例.mp4  [42.3 MB]
            02 01-2点评-SVM基本介绍.mp4  [18.2 MB]
            07 04-2点评-SVM目标函数推导过程及举例.mp4  [47.8 MB]
            15 08-1讲解-SVM算法api再介绍.mp4  [17.3 MB]
            23 12-1讲解-SVM总结.mp4  [4.1 MB]
            13 07-1讲解-SVM回归介绍.mp4  [2.3 MB]
            09 05-1讲解-SVM损失函数.mp4  [14.7 MB]
            22 11-2点评-数字识别器-数据基本处理和模型训练.mp4  [10.1 MB]
            11 06-1讲解-SVM的核方法介绍.mp4  [34.2 MB]
            25 12-3点评-内容总结.mp4  [8.0 MB]
            16 08-2点评-SVM算法api再介绍.mp4  [10.6 MB]
            12 06-2点评-SVM的核方法介绍.mp4  [8.8 MB]
            21 11-1讲解-数字识别器-数据基本处理和模型训练.mp4  [60.6 MB]
            20 10-2点评-数字识别器-获取数据.mp4  [6.0 MB]
            05 03-2点评-SVM算法推导的目标函数.mp4  [19.1 MB]
            18 09-2点评-数字识别器案例初步介绍.mp4  [8.3 MB]
            01 01-1讲解-SVM基本介绍.mp4  [28.6 MB]
            24 12-2点评-SVM总结.mp4  [6.1 MB]
📁     📁 10 第十章 决策树V2.1
📁         📁 03 案例泰坦生存预测
            02 01-2点评-决策树算法api介绍.mp4  [16.5 MB]
            04 02-2点评-泰坦尼克号乘客生存预测.mp4  [13.6 MB]
            05 03-1讲解-树木可视化操作.mp4  [31.3 MB]
            06 03-2点评-树木可视化操作.mp4  [13.0 MB]
            01 01-1讲解-决策树算法api介绍.mp4  [4.9 MB]
            03 02-1讲解-泰坦尼克号乘客生存预测.mp4  [66.1 MB]
📁         📁 04 回归决策树
            01 04-1讲解-回归决策树介绍.mp4  [71.5 MB]
            02 04-2点评-回归决策树介绍.mp4  [28.6 MB]
            04 05-2点评-回归决策树和线性回归对比.mp4  [3.2 MB]
            03 05-1讲解-回归决策树和线性回归对比.mp4  [30.8 MB]
📁         📁 02 特征提取
            06 17-2点评-中文文本特征提取.mp4  [43.1 MB]
            07 18-1讲解-tfidf内容讲解.mp4  [24.3 MB]
            05 17-1讲解-中文文本特征提取.mp4  [54.6 MB]
            04 16-2点评-英文文本特征提取.mp4  [9.3 MB]
            03 16-1讲解-英文文本特征提取.mp4  [25.0 MB]
            09 18-3点评-tfidf内容讲解.mp4  [13.7 MB]
            08 18-2点评-tfidf内容讲解.mp4  [10.4 MB]
            01 15-1讲解-字典特征提取.mp4  [34.3 MB]
            02 15-2点评-字典特征提取.mp4  [11.8 MB]
📁         📁 01 信息增益
            01 08-1讲解-决策树算法简介.mp4  [5.8 MB]
            16 14-2点评-cart剪枝介绍.mp4  [31.5 MB]
            06 10-0前置-信息增益的介绍.mp4  [8.9 MB]
            15 14-1讲解-cart剪枝介绍.mp4  [44.3 MB]
            02 09-1讲解-熵的介绍.mp4  [19.7 MB]
            03 09-2点评-熵的介绍.mp4  [87.2 MB]
            12 12-2点评-基尼指数的介绍.mp4  [19.4 MB]
            14 13-2点评-决策树划分原理小结.mp4  [7.1 MB]
            07 10-1讲解-信息增益的介绍.mp4  [30.3 MB]
            08 10-2点评-信息增益的介绍.mp4  [31.4 MB]
            05 09-3点评-熵的介绍.mp4  [10.1 MB]
            13 13-1讲解-决策树划分原理小结.mp4  [16.1 MB]
            11 12-1讲解-基尼指数的介绍.mp4  [27.1 MB]
            09 11-1讲解-信息增益率的介绍.mp4  [32.2 MB]
            04 09-3点评-内容回顾.mp4  [51.7 MB]
            10 11-2点评-信息增益率的介绍.mp4  [25.8 MB]
📁     📁 15 第十五章 EM算法V2.1
📁         📁 01 EM算法
            02 01-2点评-初识EM算法.mp4  [5.9 MB]
            04 02-2点评-EM算法介绍.mp4  [7.4 MB]
            08 03-2点评-EM算法实例.mp4  [19.5 MB]
            06 03-0前置-EM算法实例.mp4  [9.5 MB]
            07 03-1讲解-EM算法实例.mp4  [42.0 MB]
            01 01-1讲解-初识EM算法.mp4  [5.7 MB]
            05 02-3点评-内容回顾.mp4  [44.8 MB]
            03 02-1讲解-EM算法介绍.mp4  [22.6 MB]
📁     📁 04 第四章 numpyV2.1
📁         📁 01 numpy使用
            10 10-2点评-数组的基本操作.mp4  [13.5 MB]
            05 08-1讲解-创建0，1数组，固定范围数组.mp4  [24.1 MB]
            12 10-4点评-回顾.mp4  [39.7 MB]
            17 13-1讲解-矩阵复习.mp4  [28.0 MB]
            16 12-2点评-数组间运算.mp4  [14.2 MB]
            13 11-1讲解-ndarray的运算.mp4  [42.8 MB]
            01 06-1讲解-numpy介绍.mp4  [26.4 MB]
            15 11-2点评-ndarray的运算.mp4  [11.9 MB]
            09 10-1讲解-数组的基本操作.mp4  [37.8 MB]
            06 08-2点评-创建0，1数组，固定范围数组.mp4  [16.1 MB]
            07 09-1讲解-创建随机数组.mp4  [38.1 MB]
            04 07-2点评-ndarray介绍.mp4  [16.1 MB]
            18 13-2点评-矩阵复习.mp4  [19.2 MB]
            19 13-3点评-矩阵复习.mp4  [10.9 MB]
            02 06-2点评-numpy介绍.mp4  [7.7 MB]
            03 07-1讲解-ndarray介绍.mp4  [9.0 MB]
            08 09-2点评-创建随机数组.mp4  [14.9 MB]
            11 10-3点评-前面总结.mp4  [14.0 MB]
            14 12-1讲解-数组间运算.mp4  [24.1 MB]
    01 阶段一 人工智能必看.png  [493.5 KB]