python机器学习

python机器学习算法基础

• 课时1：机器学习背景知识介绍 (32分26秒)

• 课时2：python安装 (10分24秒)

• 课时3：机器学习基础概念 (26分37秒)

• 课时4：一元线性回归 (19分13秒)

• 课时5：代价函数 (35分10秒)

• 课时6：梯度下降法 (30分48秒)

• 课时7： 实战梯度下降法 一元线性回归 (27分52秒)

• 课时8：实战sklearn 一元线性回归 (8分48秒)

• 课时9：线性代数复习 (11分51秒)

• 课时10：多元线性回归 (7分37秒)

• 课时11：实战梯度下降法 多元线性回归 (21分22秒)

• 课时12：实战sklearn 多元线性回归 (4分15秒)

• 课时13：实战sklearn 多项式回归 (20分38秒)

• 课时14：标准方程法 (21分48秒)

• 课时15：实战标准方程法 (11分42秒)

• 课时16：特征缩放,交叉验证法 (13分12秒)

• 课时17：过拟合,正则化 (12分44秒)

• 课时18：岭回归 (18分12秒)

• 课时19：实战sklearn 岭回归 (16分26秒)

• 课时20：实战标准方程法 岭回归 (9分7秒)

• 课时21：LASSO算法 (11分52秒)

• 课时22：实战sklearn 弹性网 (7分54秒)

• 课时23：逻辑回归 (26分51秒)

• 课时24：正确率,召回率,F1指标 (8分27秒)

• 课时25：实战梯度下降法 逻辑回归 (40分42秒)

• 课时26：实战sklearn 逻辑回归 (5分45秒)

• 课时27：实战梯度下降法 非线性逻辑回归 (16分37秒)

• 课时28：实战sklearn 非线性逻辑回归 (7分27秒)

• 课时29：神经网络背景概述 (17分28秒)

• 课时30：单层感知器介绍 (15分53秒)

• 课时31：实践单层感知器程序 (15分35秒)

• 课时32：实践单层感知器 异或问题 (4分24秒)

• 课时33：实践线性神经网，Delta学习规则 (15分47秒)

• 课时34：实践线性神经网络解决异或问题 (21分49秒)

• 课时35：BP神经网络介绍 (20分12秒)

• 课时36：BP算法推导 (19分3秒)

• 课时37：实践BP神经网络 异或问题 (20分44秒)

• 课时38：深入理解BP神经网络论文讲解 (28分40秒)

• 课时39：Google神经网络演示平台介绍 (23分33秒)

• 课时40：KNN算法介绍 (12分20秒)

• 课时41：实践KNN算法实现 (15分20秒)

• 课时42：实践使用KNN完成Iris数据集分类 (12分2秒)

• 课时43：决策树 信息熵,ID3,C4 5算法介绍 (25分50秒)

• 课时44：实践决策树 例子 (19分11秒)

• 课时45：实践决策树 画图 (16分1秒)

• 课时46：决策树 CART算法 (19分3秒)

• 课时47：实践决策树 CART算法 (6分22秒)

• 课时48：实践决策树 线性二分类 (8分56秒)

• 课时49：实践决策树 非线性二分类 (12分8秒)

• 课时50：实践回归树 (8分22秒)

• 课时51：实践Bagging介绍与使用 (24分42秒)

• 课时52：实践随机森林RF介绍与使用 (7分56秒)

• 课时53：实践Adaboost介绍与使用 (24分5秒)

• 课时54：实践Stacking和Voting介绍与使用 (10分50秒)

• 课时55：贝叶斯算法背景 (14分48秒)

• 课时56：贝叶斯算法介绍 (17分43秒)

• 课时57：实践贝叶斯 iris (3分33秒)

• 课时58：实践词袋模型介绍 (17分28秒)

• 课时59：实践TF IDF算法介绍 (13分45秒)

• 课时60：K MEANS算法介绍 (20分47秒)

• 课时61：实践python实现K MEANS算法 (29分45秒)

• 课时62：实践sklearn K MEANS (4分20秒)

• 课时63：实践sklearn Mini Batch K Means (4分12秒)

• 课时64：K MEANS算法存在的4个问题 (5分21秒)

• 课时65：实践K MEANS代价函数应用 (8分11秒)

• 课时66：实践K MEANS肘部法则 (7分44秒)

• 课时67：K MEANS算法可视化 (5分43秒)

• 课时68：DBSCAN算法讲解 (10分15秒)

• 课时69：DBSCAN算法可视化 (12分53秒)

• 课时70：实践sklearn DBSCAN算法 (11分35秒)

• 课时71：PCA算法讲解 (17分54秒)

• 课时72：实践python实现PCA降维 (8分22秒)

• 课时73：SVM简介 (17分38秒)

• 课时74：实践SVM简单例子 (5分50秒)

• 课时75：SVM算法推导 (26分24秒)

• 课时76：松弛变量与惩罚函数 (11分2秒)

• 课时77：SVM简单实例 (10分27秒)

• 课时78：SVM低维映射到高维 (6分55秒)

• 课时79：核函数 (9分47秒)