让学员学习scikit-learn的核心使用方法以及机器学习的核心算法原理和实战

*   01 对机器学习的正确认识/

  *   01 人工智能、机器学习和深度学习的关系.mp4 39:19

  *   02 机器学习需要哪些工具.mp4 15:03

  *   03 Jupyter Notebook简介与安装.mp4 06:23

  *   04 使用Jupyter Notebook.mp4 07:58

  *   05 远程访问Jupyter Notebook.mp4 04:48

*   02 项目实战：预测房价/

  *   01 准备实验数据.mp4 09:33

  *   02 查看和可视化数据集.mp4 06:10

  *   03 准备训练集和测试集.mp4 09:18

  *   04 用更优秀的方式产生训练集和测试集.mp4 24:28

  *   05 用sklearn API拆分训练集和测试集.mp4 08:12

  *   06 分层抽样.mp4 12:33

  *   07 通过可视化地理数据寻找模式.mp4 11:26

  *   08 用两种方法检测属性之间的相关度.mp4 19:56

  *   09 为房屋数据集添加新属性，并计算与房屋均价的相关度.mp4 08:02

  *   10 清理数据：用转换器填补缺失值.mp4 11:47

  *   11 将文本类型属性转换为数值.mp4 19:30

  *   12 自定义转换器.mp4 16:14

  *   13 选择、训练模型以及预测房价.mp4 17:29

  *   14 数据转换管道（pipeline）.mp4 17:42

  *   15 评估模型的性能.mp4 17:35

  *   16 用交叉验证评估和选择模型.mp4 11:37

*   03 项目实战：识别手写数字/

  *   01 项目概述.mp4 04:34

  *   02 使用sklearn内置的图像数据.mp4 10:21

  *   03 使用fetch_mldata函数获取MNIST图像数据集.mp4 09:31

  *   04 直接读取mat格式的MNIST图像数据集.mp4 06:04

  *   05 将多张图像文件合成一个图像.mp4 22:10

  *   06 对数字图像进行二元分类.mp4 08:28

  *   07 使用K-fold交叉验证法评估分类器模型的性能.mp4 16:10

  *   08 使用混淆矩阵评估分类器模型的性能.mp4 18:41

  *   09 用精度、召回率和F1分数评估分类模型.mp4 18:13

  *   10 调整阈值得到不同的精度和召回率.mp4 37:21

  *   11 ROC曲线与模型评估.mp4 13:57

  *   12 比较随机森林分类器和梯度下降分类器的ROC曲线.mp4 17:09

  *   13 多类别分类器.mp4 27:44

  *   14 通过对特征值进行转换提高分类效果.mp4 07:55

  *   15 通过分析错误类型改进分类模型.mp4 15:36

  *   16 多标签分类.mp4 17:39

  *   17 去除图像噪声.mp4 10:58

*   04 k-邻近算法/

  *   01 实现原理.mp4 15:10

  *   02 用k-邻近算法进行分类.mp4 24:58

  *   03 用k-邻近算法进行预测.mp4 14:21

  *   04 绘制拟合曲线.mp4 08:39

*   05 项目实战：用k-邻近算法预测糖尿病/

  *   01 准备训练数据和测试数据.mp4 09:22

  *   02 比较和选择分类模型.mp4 11:46

  *   03 训练模型与预测糖尿病.mp4 08:41

  *   04 绘制学习曲线.mp4 16:05

  *   05 选择相关特征与数据可视化.mp4 14:10

*   06 项目实战：预测人们的幸福指数/

  *   01 项目简介.mp4 02:01

  *   02 训练线性模型，并预测幸福指数.mp4 46:14

  *   03 机器学习的主要挑战.mp4 06:24

*   07 线性回归算法/

  *   01 线性回归都讲了什么.mp4 05:30

  *   02 线性回归模型概述.mp4 10:56

  *   03 使用标准方程进行线性回归拟合.mp4 23:36

  *   04 梯度下降算法的原理.mp4 20:01

  *   05 批量梯度下降.mp4 20:49

  *   06 比较不同学习率的迭代效果.mp4 19:38

  *   07 随机梯度下降.mp4 21:06

  *   08 随机梯度下降.mp4 21:06

  *   09 比较4种线性回归算法.mp4 07:49

  *   10 用线性模型拟合非线性数据.mp4 19:58

*   08 支持向量机（SVM）/

  *   01 线性SVM分类.mp4 15:55

  *   02 添加特征使数据集线性可分离.mp4 15:31

  *   03 使用多项式特征的线性SVM分类器.mp4 20:02

  *   04 基于多项式核的SVM分类器.mp4 10:26

  *   05 高斯RBF的相似特征.mp4 20:58

  *   06 基于高斯RBF核函数的SVM分类器.mp4 09:54

  *   07 SVM线性回归.mp4 08:20

  *   08 SVM非线性回归.mp4 04:41