掌握目前主流的机器学习算法和模型，并能够根据实际问题的需要选择并实现相应的算法。

*   01 机器学习简介/

  *   01 机器学习简介.mp4 (275.17 MB), 47:14

*   02 模型评估/

  *   01 性能度量.mp4 (240.92 MB), 46:52

  *   02 评估方法.mp4 (109.13 MB), 20:04

*   03 线性回归模型/

  *   01 线性回归.mp4 (471.59 MB), 01:21:05

*   04 分类模型/

  *   01 逻辑回归.mp4 (438.53 MB), 01:12:17

  *   02 K近邻算法.mp4 (96.23 MB), 16:46

  *   03 决策树介绍.mp4 (190.75 MB), 32:03

  *   04 分类案例.mp4 (54.35 MB), 09:03

  *   05 支持向量机.mp4 (321.96 MB), 57:39

*   05 聚类模型/

  *   01 K-Means.mp4 (222.13 MB), 39:46

  *   02 Mean-Shift.mp4 (146.75 MB), 26:57

  *   03 高斯混合.mp4 (308.80 MB), 56:44

  *   04 DBSCAN.mp4 (179.59 MB), 32:01

  *   05 聚类模型案例：商场用户信息分析(上).mp4 (340.82 MB), 56:03

  *   06 聚类模型案例：商场用户信息分析(下).mp4 (334.08 MB), 55:30

*   06 集成模型/

  *   01 随机森林.mp4 (182.38 MB), 35:47

  *   02 Adaboost.mp4 (146.03 MB), 28:21

  *   03 GBDT.mp4 (223.18 MB), 41:01

  *   04 XGBoost.mp4 (249.20 MB), 45:18