你将对机器学习算法的理论与实现做到“知其然，又知其所以然”

*   01 K-Means算法/

  *   01 理论+公式+实例.mp4 11:27

  *   02 Python实战.mp4 16:46

  *   03 关键参数优化及其Python实现.mp4 05:43

*   02 Knn算法/

  *   01 什么是Knn.mp4 06:20

  *   02 距离和相似性.mp4 16:20

  *   03 Python实战一.mp4 08:34

  *   04 Python实战二.mp4 07:52

*   03 贝叶斯算法/

  *   01 条件概率和概率论.mp4 19:14

  *   02 贝叶斯推断.mp4 15:39

  *   03 Python实战.mp4 36:49

  *   04 高斯理论及贝叶斯优化.mp4 19:09

*   04 决策树算法/

  *   01 熵、信息增益和对数函数.mp4 17:00

  *   02 信息增益实例解读.mp4 29:31

  *   03 Python实现.mp4 12:56

*   05 线性回归算法/

  *   01 损失函数分析.mp4 19:36

  *   02 方向导数和梯度理论.mp4 36:55

  *   03 Python实战及局部加权优化.mp4 16:38

*   06 逻辑回归算法/

  *   01 线性回归到逻辑回归的分析.mp4 22:34

  *   02 数学分析与凸优化.mp4 12:29

  *   03 极大似然函数分析.mp4 19:07

  *   04 Python实战及优化.mp4 05:35

*   07 支持向量机（SVM）/

  *   01 什么是SVM.mp4 05:27

  *   02 SVM几何间距推导.mp4 33:05

  *   03 凸规划和KKT条件.mp4 28:14

  *   04 SMO算法推导和总结.mp4 46:45

  *   05 Python实战.mp4 16:23

  *   06 SVM优化及Python实现.mp4 22:15

  *   07 非线性SVM、核函数及Python实现.mp4 29:11

*   08 AdaBoost算法/

  *   01 单层决策树算法与弱分类器.mp4 10:10

  *   02 弱分类器集成实例.mp4 32:14

  *   03 Python实现.mp4 14:50

*   09 PCA降维算法/

  *   01 维度关系及变换基.mp4 27:44

  *   02 协方差和特征向量.mp4 26:19

  *   03 Python实现和降维选择.mp4 11:57

*   10 感知器算法/

  *   01 神经元与感知器模型.mp4 33:56

  *   02 Python实现.mp4 06:58

*   11 BP神经网络算法/

  *   01 误差反向传播（一）.mp4 24:43

  *   02 误差反向传播（二）.mp4 31:25

  *   03 神经网络建模及总结.mp4 35:38

  *   04 Python实战.mp4 28:19

*   12 卷积神经网络/

  *   01 卷积操作与特征选取.mp4 18:06

  *   02 单层卷积神经网络.mp4 24:25

  *   03 完整卷积神经网络.mp4 08:14

  *   04 神经网络建模推导及其总结.mp4 28:48

  *   05 卷积神经网络和Python实战.mp4 42:15