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