返回

《机器学习算法入门：模型推导及项目实战案例》

导航
上一页
第1条 至 第50条
下一页
免费
第 1 节 机器学习、深度学习与人工智能
免费
第 2 节 监督学与非监督学习
免费
第 3 节 机器学习流程
免费
第 4 节 实战：通过投放广告的金额预测销售额
免费
第 5 节 KNN 介绍
免费
第 6 节 欧式距离以及 KNN 实现
免费
第 7 节 KNN 的决策边界
免费
第 8 节 通过交叉验证选择 K
免费
第 9 节 特征缩放
免费
第 10 节 二手车估价案例
免费
第 11 节 KNN 的延伸内容（Optional）
免费
第 12 节 线性回归的定义、应用、数学表示、解析解推导
免费
第 13 节 股票交易线性回归案例
免费
第 14 节 逻辑回归：二元分类问题、损失函数、似然函数
免费
第 15 节 逻辑回归：银行客户开设定期存款账务案例
免费
第 16 节 线性回归、逻辑回归问答
免费
第 17 节 朴素贝叶斯的核心思想
免费
第 18 节 朴素贝叶斯核心：垃圾邮件分类（上）
免费
第 19 节 朴素贝叶斯核心：垃圾邮件分类（下）
免费
第 20 节 朴素贝叶斯核心：手推一个完整的例子
免费
第 21 节 决策树：简介、信息熵、条件熵、信息增益
免费
第 22 节 决策树：构建案例、决策树总结
免费
第 23 节 随机森林：简介、实例、员工离职率案例（上）
免费
第 24 节 随机森林：员工离职率案例（下）、总结
免费
第 25 节 随机森林：答疑
免费
第 26 节 XGBoost
免费
第 27 节 训练模型
免费
第 28 节 使用泰勒级数近似目标函数
免费
第 29 节 新的目标函数
免费
第 30 节 寻找最好的 Split
免费
第 31 节 聚类分析
免费
第 32 节 kmeans 算法
免费
第 33 节 kmeans 算法过程及特性
免费
第 34 节 kmeans 的实现
免费
第 35 节 kmeans 案例
免费
第 36 节 kmeans 的目标函数
免费
第 37 节 K 值如何选择
免费
第 38 节 其他聚类算法及问答
免费
第 39 节 SVM 直播：线性分类器、支持向量机模型
免费
第 40 节 SVM 直播：异常值、异常值处理
免费
第 41 节 SVM 直播：合页损失函数、求解 SVM、SVM 扩展
免费
第 42 节 SVM 直播：人脸识别案例代码
免费
第 43 节 主题模型
免费
第 44 节 MLE vs MAP vs Bayesian
免费
第 45 节 从生成的角度来看 LDA
免费
第 46 节 计算模型的参数
免费
第 47 节 文本表示：单词、句子的表示，Tf-idf
免费
第 48 节 文本表示：情感分析案例代码讲解
免费
第 49 节 Extensions：补充内容（可选）
免费
第 50 节 推荐系统介绍及基于矩阵分解的推荐系统
上一页
第1条 至 第50条
下一页