2017年最新基于Python实战机器学习全套附资料与作业 41课 视频教程

编号9527

课程名称:  2017年最新基于Python实战机器学习全套附资料与作业 41课 视频教程

免费试看:    

下载地址：

游客， 下载地址需要支付 38下载币 才能浏览支付

课程简介:    

机器学习必备算法，配有实操演练，配套资料齐全

----------------------课程目录------------------------------

第一章k最近邻算法
1.1、机器学习课程介绍
1.2、K最近邻算法的思想
1.3、机器学习中常用的距离指标解析
1.4、实战k最近邻算法
第二章朴素贝叶斯分类算法
2.1、概率论的基本知识(基本概念、加法公式、乘法公式)
2.2、通过例子深入掌握概率的基本公式
2.3、全概率公式和贝叶斯定理
2.4、实战贝叶斯分类算法，智能手环推荐
第三章聚类算法
3.1、聚类算法概述
3.2、Kmeans聚类
3.3、Kmeans实战，图片按照色彩聚类
第四章决策树算法
4.1、决策树介绍
4.2、决策树的构造过程和各种算法
4.3、决策树中关键指标详解
4.4、实战决策树
第五章线性回归和梯度下降算法
5.1、线性回归的相关概念（相关、独立和协方差）
5.2、线性回归和最小二乘法
5.3、梯度下降算法
5.4、梯度的推导过程
5.5、岭回归、lasso回归和弹性网
第六章逻辑回归和极大似然估计
6.1、广义线性回归和逻辑回归
6.2、极大似然估计的思想
6.3、逻辑回归中的梯度推导
6.4、逻辑回归代码实战
第七章支持向量机
7.1、支持向量机原理介绍
7.2、线性可分的支持向量机
7.3、近似线性可分、非线性可分、核函数
7.4、坐标上升法、SMO算法、实战支持向量机
第八章EM算法和GMM
8.1、EM算法思想
8.2、EM算法的推导
8.3、实战EM算法，GMM
第九章随机森林和Adaboost
9.1、随机森林
9.2、Adaboost思想精髓
9.3、Adaboost算法流程介绍
9.4、实战Adaboost算法
第十章机器学习思想精华和实战经验分享
10.1、机器学习解决问题思想框架
10.2、理解方差和偏差、损失函数和过拟合
10.3、L1、L2正则化和常见的5种损失函数
10.4、如何选择模型和选择参数，交叉验证和ROC曲线
10.5、自适应学习率和二分法精确搜索
10.6、自适应学习率和基于阿米霍准则的模糊搜索

maten

啥也不说了，感谢楼主分享哇！