解密机器学习中的监督学习
本资源为解密机器学习中的监督学习[1.58 GB]百度网盘下载,包含49节视频课程,无需下载即可在线播放。
近年来,机器学习的发展让所有人震惊,而机器学习中的监督学习更是功能强大,它既可以通过回归算法来判断趋势,预测投资回报率,也可以通过分类器来做图像识别,自动判断两瓶红酒的好坏……那么,走进本次课程,了解机器学习中的监督学习吧!
本次课程将带大家学习一元和多元的线性回归,研究分类问题、Logistic回归、支持向量机以及随机森林模型,讨论模型容量大小的影响以及如何处理过拟合,并通过数据练习帮助你选择模型、调整模型参数,避免一些常见的错误,让你对监督学习有系统全面的掌握!
您将获得
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
部分资源收费是对搜集、整体及网站运营必须的支出做适当补偿,敬请谅解。
每位访客应尊重版权方的知识产权,支持版权方出版社和出版社
如遇到资源失效请联系客服QQ:1516278755