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