解密机器学习中的监督学习

如何通过回归算法来判断趋势

如何研究Logistic回归、处理过拟合

资源目录

第 1 讲课程总览与python语言复习

1.1什么是机器学习、机器学习应用 时长 11:40

1.2Python基础知识（一） 时长 09:37

1.3Python基础知识（二） 时长 12:16

1.4Python基础知识（三） 时长 08:21

1.5Python基础知识（四） 时长 11:07

1.6Python基础知识（五） 时长 15:01

1.7Python基础知识（六） 时长 10:04

1.8Python基础知识（七） 时长 11:16

1.9答疑 时长 05:48

第 2 讲 一元与多元线性回归

2.1一元线性回归（一） 时长 14:20

2.2一元线性回归（二） 时长 08:46

2.3一元线性回归（三） 时长 12:14

2.4一元线性回归（四） 时长 11:06

2.5一元线性回归（五） 时长 09:52

2.6多元线性回归（一） 时长 14:08

2.7多元线性回归（二） 时长 10:12

2.8有没有数据特征对于预测结果有用？ 时长 14:19

2.9特征的筛选、向前/向后选择法 时长 12:56

2.10多元线性回归的效果 时长 08:37

2.11问题回顾 时长 13:27

2.12其他注意事项（一） 时长 12:45

2.13其他注意事项（二） 时长 11:47

2.14超越线性（一） 时长 12:07

2.15超越线性（二） 时长 08:49

2.16超越线性（三） 时长 08:31

2.17超越线性（四） 时长 13:33

第 3 讲分类问题与Logistic回归

3.1分类问题总论、交叉验证 时长 08:39

3.2Logistic回归 时长 09:37

3.3Logistic回归、评价分类结果 时长 12:49

3.4最后的项目预览 时长 04:12

3.5答疑 时长 07:30

3.6分类问题总论 时长 12:03

3.7ROC曲线 时长 10:29

3.8如果两个类别的数据量差别很大？ 时长 05:39

第 4 讲过拟合、正则化与线性模型的简化

4.1为什么我们喜欢简单的模型？ 时长 10:21

4.2Ridge正则化（一） 时长 12:43

4.3Ridge正则化（二） 时长 11:58

4.4Lasso正则路径、比较Ridge和Lasso 时长 09:39

4.5降维、各种方法比较 时长 12:58

第 5 讲支持向量机

5.1最大间隔分类器 时长 08:13

5.2支持向量机（一） 时长 09:34

5.3支持向量机（二） 时长 14:29

5.4支持向量机（三） 时长 14:04

第 6 讲树与随机森林

6.1树（一） 时长 11:37

6.2树（二） 时长 10:20

6.3集合算法：Bagging（一） 时长 14:15

6.4集合算法：Bagging（二） 时长 11:24

6.5集合算法：随机森林、提升树 时长 15:06

6.6程序范例（一） 时长 10:04

6.7程序范例（二） 时长 07:36