课程目录
1-1 [统计学&概率入门] 课程介绍与资源下载 (06:48)
1-2 [统计学&概率入门] 数据挖掘 VS 人工智能 (12:57)
1-3 [统计学&概率入门] 数据预处理八大策略 (11:01)
1-4 [统计学&概率入门] 缺省、异常、重复值处理 (20:13)
1-5 [统计学&概率入门] 抽样 VS 全量数据 (17:54)
1-6 [统计学&概率入门] 相关性实现与可视化 (16:02)
1-7 [统计学&概率入门] 时间序列的离散化 (15:13)
2-1 [回归原理与极简案例] 机器学习7步骤详解 (15:00)
2-2 [回归原理与极简案例] 回归算法原理分析 (20:34)
2-3 [回归原理与极简案例] 极简案例实现 (20:30)
2-4 [回归原理与极简案例] R2、标准差与均方根误差 (20:15)
2-5 [回归原理与极简案例] 模拟数据与多项式回归 (19:05)
3-1 [多项式回归案例实战] 数据加载与特征工程 (14:24)
3-2 [多项式回归案例实战] 归一化与标准化 (18:45)
3-3 [多项式回归案例实战] 欠拟合与过拟合 (21:17)
3-4 [多项式回归案例实战] Pipeline构建机器学习工作流 (17:25)
3-5 [多项式回归案例实战] 可视化、模型保存与加载 (20:33)
4-1 [K近邻分类算法实战] K近邻原理与代码实现 (17:43)
4-2 [K近邻分类算法实战] 手写KNN算法 (18:18)
4-3 [K近邻分类算法实战] KNN实现糖尿病患者分类 (16:55)
4-4 [K近邻分类算法实战] 交叉验证与网格搜索 (15:41)
4-5 [K近邻分类算法实战] 课程总复习和下季剧透 (09:09)
