【69】Python3入门机器学习经典算法与应用(1) - 夸克搜-夸克资源搜索引擎
- project (1).zip
- 4-4 分类准确度.mp4
- 4-9 更多有关k近邻算法的思考.mp4
- 4-2 scikit-learn中的机器学习算法封装.mp4
- 4-6 网格搜索与k近邻算法中更多超参数.mp4
- 4-3 训练数据集,测试数据集.mp4
- 12-5 CART与决策树中的超参数.mp4
- 12-3 使用信息熵寻找最优划分.mp4
- 12-1.mp4
- 3-4 创建numpy数组和矩阵.mp4
- 3-10 Numpy中的比较和FancyIndexing.mp4
- 3-12 数据加载和简单的数据探索.mp4
- 3-11 Matplotlib数据可视化基础.mp4
- 3-2 jupyter notebook中的魔法命令.mp4
- 3-8 Numpy中的聚合运算.mp4
- 8-6 验证数据集与交叉验证.mp4
- 8-10 L1,L2和弹性网络.mp4
- 8-3 过拟合与前拟合.mp4
- 8-7 偏差方差平衡.mp4
- 8-1 什么是多项式回归.mp4
- 5-9 使用scikit-learn解决回归问题.mp4
- 5-10 线性回归的可解性和更多思考.mp4
- 5-6 最好的衡量线性回归法的指标 R Squared.mp4
- 5-5 衡量线性回归法的指标 MSE,RMS,MAE.mp4
- 5-3 简单线性回归的实现.mp4
- 13-7 Stacking.mp4
- 13-3 Bagging和Pasting.mp4
- 13-5 随机森林和Extra-Trees.mp4
- 13-6 Ada Boosting和Gradient Boosting.mp4
- 13-2 SoftVoting Classifier.mp4
- 13-4 oob(Out-of-Bag)和关于Bagging的更多讨论.mp4
扫码获取资源