python机器学习

*   01 机器学习/

  *   01 1.机器学习入门.mp4 (60.94 MB), 13:08

  *   02 2.机器学习与深度学习差异.mp4 (68.53 MB), 11:27

  *   03 3.numpy优势与特点.mp4 (45.20 MB), 07:43

  *   04 4.numpy数组基础属性.mp4 (23.25 MB), 04:38

  *   05 5.numpy数组创建索引切片类型变换.mp4 (60.54 MB), 10:34

  *   06 6.numpy数组计算矩阵计算.mp4 (55.32 MB), 09:15

  *   07 7.pandas与三种数据结构.mp4 (60.09 MB), 09:48

  *   08 8.pandas-dataframe索引切片排序.mp4 (26.67 MB), 04:59

  *   09 9.pandas-dataframe计算.mp4 (25.06 MB), 04:23

  *   10 10.pandas文件读写.mp4 (11.00 MB), 01:48

  *   11 11pandas处理数据缺失.mp4 (32.44 MB), 05:50

  *   12 12pandas数据离散化.mp4 (21.65 MB), 03:48

  *   13 13pandas数据合并.mp4 (18.71 MB), 03:32

  *   14 14pandas数据分组聚合交叉透视.mp4 (41.13 MB), 06:33

  *   15 15matplotlib简介.mp4 (18.45 MB), 02:55

  *   16 16matplotlib快速入门430案例.mp4 (59.61 MB), 10:20

  *   17 17seaborn绘图.mp4 (45.61 MB), 07:31

  *   18 18数据分析案例-电影数据.mp4 (25.00 MB), 04:45

  *   19 19数据分析案例-NBA球员数据分析.mp4 (41.56 MB), 07:29

  *   20 20数据分析案例-租房数据分析.mp4 (51.39 MB), 09:59

  *   21 21机器学习概述.mp4 (88.26 MB), 13:53

  *   22 22KNN近邻算法思想.mp4 (58.00 MB), 09:07

  *   23 23.KNN算法实践与交叉验证CV搜索.mp4 (56.00 MB), 09:10

  *   24 24.线性回归思想.mp4 (72.54 MB), 11:15

  *   25 25梯度下降与线性回归.mp4 (20.90 MB), 03:24

  *   26 26.线性回归正则化与岭回归.mp4 (46.58 MB), 07:42

  *   27 27逻辑回归与实验.mp4 (43.27 MB), 06:53

  *   28 28决策树信息熵与实践.mp4 (93.90 MB), 14:51

  *   29 29集成学习随机森林.mp4 (66.40 MB), 10:29

  *   30 30集成学习adaboost概述.mp4 (14.88 MB), 02:24

  *   31 31集成学习adaboost实践.mp4 (29.02 MB), 04:42

  *   32 32集成学习GBDT.mp4 (42.11 MB), 06:57

  *   33 33kmean无监督学习.mp4 (33.18 MB), 05:06

  *   34 34聚类优化与PCA降维.mp4 (36.24 MB), 05:41

  *   35 35补充数学常识.mp4 (23.39 MB), 04:11

  *   36 36pca实践.mp4 (22.61 MB), 04:33

  *   37 37朴素贝叶斯理论.mp4 (56.96 MB), 09:43

  *   38 38.朴素贝叶斯实践与小结.mp4 (37.06 MB), 06:27

  *   39 39svm概述.mp4 (32.78 MB), 05:19

  *   40 40svm理论基础.mp4 (48.46 MB), 07:39

  *   41 41SVM实践与小结.mp4 (59.04 MB), 12:13

  *   42 42.EM算法概述.mp4 (59.38 MB), 09:16

  *   43 43.EM算法实验.mp4 (25.33 MB), 04:02

  *   44 44.HMM模型概述.mp4 (63.61 MB), 10:01

  *   45 45HMM模型的前向后向评估算法.mp4 (61.03 MB), 10:48

  *   46 46维特比算法解码隐藏状态序列.mp4 (25.66 MB), 04:17

  *   47 47鲍姆韦尔奇与HMM实验.mp4 (18.65 MB), 03:06

  *   48 48HMM综合实验.mp4 (72.12 MB), 11:29

  *   49 49xgboost概述.mp4 (67.13 MB), 10:27

  *   50 50xgboost综合实验.mp4 (125.94 MB), 25:23

  *   51 51集成学习lightBGM.mp4 (42.67 MB), 07:25

  *   52 52lightBGM处理吃鸡数据.mp4 (65.68 MB), 10:54

  *   53 53机器学习常识小结.mp4 (20.67 MB), 03:31

  *   54 54线性回归复习.mp4 (33.04 MB), 05:08

  *   55 55逻辑回归复习.mp4 (13.94 MB), 02:22

  *   56 56近邻算法与决策树算法复习.mp4 (25.59 MB), 04:11

  *   57 57集成学习与聚类复习.mp4 (31.65 MB), 04:54

  *   58 58支持向量机复习.mp4 (22.54 MB), 03:34

  *   59 59EM复习与GMM.mp4 (37.56 MB), 06:29

  *   60 60机器学习过程概述.mp4 (12.61 MB), 02:14

  *   61 61人工神经网络.mp4 (23.73 MB), 04:27

  *   62 62数据降维.mp4 (28.18 MB), 04:27

  *   63 63关联规则.mp4 (32.06 MB), 05:14

  *   64 64多元高斯分布解决异常.mp4 (5.18 MB), 01:00

  *   65 65HMM处理时间序列.mp4 (14.51 MB), 02:23

  *   66 66LDA主题模型.mp4 (18.72 MB), 03:21

  *   67 67大熵.mp4 (5.13 MB), 00:53

  *   68 68神经网络处理手写识别.mp4 (7.87 MB), 01:37

  *   69 69贝叶斯邮件分类与优化.mp4 (43.25 MB), 06:37

  *   70 70推荐系统概述.mp4 (31.44 MB), 04:54

  *   71 71推荐系统实践.mp4 (96.87 MB), 16:05

  *   72 72.scikitlearn官方案例概述.mp4 (57.89 MB), 10:00

  *   73 73机器学习案例小结.mp4 (13.93 MB), 02:45

  *   74 74numpy实现机器学习算法上.mp4 (67.29 MB), 10:38

  *   75 75numpy实现机器学习算法中.mp4 (80.53 MB), 13:02

  *   76 76numpy实现机器学习算法下小结.mp4 (15.37 MB), 02:59

  *   77 77vscode插件jupyter.mp4 (5.05 MB), 00:58

  *   78 课程资料.txt (0.00 MB)