|
首页
|
电子技术
|
电子应用
|
电子头条
|
社区
|
论坛
测评
博客
电子技术视频
|
下载
|
电路图
|
参考设计
|
Datasheet
|
活动
|
直播
|
datasheet
datasheet
文章
搜索
中文
En
|
首页
|
电子技术
|
电子产品应用
|
电子头条
|
论坛
|
大学堂
|
下载
|
参考设计
|
Datasheet
|
活动
|
技术直播
|
datasheet
datasheet
文章
搜索
大学堂
上传课程
首页
课程
TI培训
直播频道
专题
相关活动
其他资源
下载中心
电路图
参考设计
您的位置:
EEWORLD大学堂
/
机器学习/算法
/
机器学习基础:案例研究(华盛顿大学)
/
learning-a-model-to-predict-house-prices-from-more-features
本课程为精品课,您可以登录eeworld继续观看:
learning-a-model-to-predict-house-prices-from-more-features
登录
播放列表
课程目录
课程笔记
课时1:welcome-to-this-course-and-specialization
课时2:who-we-are
课时3:machine-learning-is-changing-the-world
课时4:why-a-case-study-approach
课时5:specialization-overview
课时6:how-we-got-into-ml
课时7:who-is-this-specialization-for
课时8:what-you-ll-be-able-to-do
课时9:the-capstone-and-an-example-intelligent-application
课时10:the-future-of-intelligent-applications
课时11:starting-an-ipython-notebook
课时12:creating-variables-in-python
课时13:conditional-statements-and-loops-in-python
课时14:creating-functions-and-lambdas-in-python
课时15:starting-graphlab-create-loading-an-sframe
课时16:canvas-for-data-visualization
课时17:interacting-with-columns-of-an-sframe
课时18:using-apply-for-data-transformation
课时19:predicting-house-prices-a-case-study-in-regression
课时20:what-is-the-goal-and-how-might-you-naively-address-it
课时21:linear-regression-a-model-based-approach
课时22:adding-higher-order-effects
课时23:evaluating-overfitting-via-training-test-split
课时24:training-test-curves
课时25:adding-other-features
课时26:other-regression-examples
课时27:regression-ml-block-diagram
课时28:loading-exploring-house-sale-data
课时29:splitting-the-data-into-training-and-test-sets
课时30:learning-a-simple-regression-model-to-predict-house-prices-from-house-size
课时31:evaluating-error-rmse-of-the-simple-model
课时32:visualizing-predictions-of-simple-model-with-matplotlib
课时33:inspecting-the-model-coefficients-learned
课时34:exploring-other-features-of-the-data
课时35:learning-a-model-to-predict-house-prices-from-more-features
课时36:applying-learned-models-to-predict-price-of-an-average-house
课时37:applying-learned-models-to-predict-price-of-two-fancy-houses
课时38:analyzing-the-sentiment-of-reviews-a-case-study-in-classification
课时39:what-is-an-intelligent-restaurant-review-system
课时40:examples-of-classification-tasks
课时41:linear-classifiers
课时42:decision-boundaries
课时43:training-and-evaluating-a-classifier
课时44:whats-a-good-accuracy
课时45:false-positives-false-negatives-and-confusion-matrices
课时46:learning-curves
课时47:class-probabilities
课时48:classification-ml-block-diagram
课时49:loading-exploring-product-review-data
课时50:creating-the-word-count-vector
课时51:exploring-the-most-popular-product
课时52:defining-which-reviews-have-positive-or-negative-sentiment
课时53:training-a-sentiment-classifier
课时54:evaluating-a-classifier-the-roc-curve
课时55:applying-model-to-find-most-positive-negative-reviews-for-a-product
课时56:exploring-the-most-positive-negative-aspects-of-a-product
课时57:document-retrieval-a-case-study-in-clustering-and-measuring-similarity
课时58:what-is-the-document-retrieval-task
课时59:word-count-representation-for-measuring-similarity
课时60:prioritizing-important-words-with-tf-idf
课时61:calculating-tf-idf-vectors
课时62:retrieving-similar-documents-using-nearest-neighbor-search
课时63:clustering-documents-task-overview
课时64:clustering-documents-an-unsupervised-learning-task
课时65:k-means-a-clustering-algorithm
课时66:other-examples-of-clustering
课时67:clustering-and-similarity-ml-block-diagram
课时68:loading-exploring-wikipedia-data
课时69:exploring-word-counts
课时70:computing-exploring-tf-idfs
课时71:computing-distances-between-wikipedia-articles
课时72:building-exploring-a-nearest-neighbors-model-for-wikipedia-articles
课时73:examples-of-document-retrieval-in-action
课时74:recommender-systems-overview
课时75:where-we-see-recommender-systems-in-action
课时76:building-a-recommender-system-via-classification
课时77:collaborative-filtering-people-who-bought-this-also-bought
课时78:effect-of-popular-items
课时79:normalizing-co-occurrence-matrices-and-leveraging-purchase-histories
课时80:the-matrix-completion-task
课时81:recommendations-from-known-user-item-features
课时82:predictions-in-matrix-form
课时83:discovering-hidden-structure-by-matrix-factorization
课时84:bringing-it-all-together-featurized-matrix-factorization
课时85:a-performance-metric-for-recommender-systems
课时86:optimal-recommenders
课时87:precision-recall-curves
课时88:recommender-systems-ml-block-diagram
课时89:loading-and-exploring-song-data
课时90:creating-evaluating-a-popularity-based-song-recommender
课时91:creating-evaluating-a-personalized-song-recommender
课时92:searching-for-images-a-case-study-in-deep-learning
课时93:what-is-a-visual-product-recommender
课时94:using-precision-recall-to-compare-recommender-models
课时95:application-of-deep-learning-to-computer-vision
课时96:deep-learning-performance
课时97:demo-of-deep-learning-model-on-imagenet-data
课时98:other-examples-of-deep-learning-in-computer-vision
课时99:challenges-of-deep-learning
课时100:deep-features
课时101:deep-learning-ml-block-diagram
课时102:loading-image-data
课时103:training-evaluating-a-classifier-using-raw-image-pixels
课时104:training-evaluating-a-classifier-using-deep-features
课时105:loading-image-data
课时106:creating-a-nearest-neighbors-model-for-image-retrieval
课时107:querying-the-nearest-neighbors-model-to-retrieve-images
课时108:querying-for-the-most-similar-images-for-car-image
课时109:displaying-other-example-image-retrievals-with-a-python-lambda
课时110:you-ve-made-it
课时111:deploying-an-ml-service
课时112:what-happens-after-deployment
课时113:open-challenges-in-ml
课时114:where-is-ml-going
课时115:whats-ahead-in-the-specialization
课时116:thank-you
时长:3分23秒
日期:2019/09/29
收藏视频
上传者:抛砖引玉
去评论
课程介绍
相关标签:
机器学习
ML
在本课程中,您将从一系列实用的案例研究中获得有关机器学习的动手经验。 在第一门课程的最后,您将研究如何基于房屋特征预测房价,从用户评论中分析情绪,检索感兴趣的文档,推荐产品以及搜索图像。 通过使用这些用例的动手实践,您将能够在广泛的领域中应用机器学习方法。
显示全部 ↓
推荐视频
用户评论
暂时无评论
猜您喜欢
推荐帖子
电池管理及监控设计.pdf
分享给需要的同学
hanker510
电源技术
男生容易误解女生的几个行为
如果她有如下表现:1 殷勤回复你的每一条短信 2 有事情的时候总是第一个找你帮忙 3 对你的一举一动表现出极大的关注 4 喜欢像你展示她最真实的一面 5 最关键的是:看着你的时候总是含情脉脉 …… 你一定觉得她是无可救药地爱上你了吧? 你误会了!这可能说明她一点也不喜欢你! 为什么呢? 原因如下: 1 假如她爱你,她应当犹犹豫豫地回复你的每一条短信。 假
rain
聊聊、笑笑、闹闹
beaglebone black的gpio驱动
我参考[url]https://bbs.eeworld.com.cn/forum.php?mod=viewthread&tid=413767&highlight=gpio[/url] 的gpio驱动,编译进angstrom系统,但是再read时,读到的值不是我的电平值,在驱动里gpio_read函数里添加调试信息ret = copy_to_user((char *)readBuf, "0", 1)
wjs1033
Linux与安卓
对求助代码问题的同学的一点建议!
最近论坛里好多同学在求助代码的问题,这是自己动手的表现,对此表示欢迎,但由于很多代码都是逻辑上的错误或者是语句不严谨造成的,这样的问题对与别人来说是很难发现的,只能通过自己试一下发现问题才好说,但大部分同学都只贴了一部分关键代码,这样就不方便别人测试了。为此我建议再有求助代码问题的同学把工程文件打包一下以附件的形式传上来,以方便别人帮忙测试,早日发现问题,对于有可能和硬件有关的最好贴出原理图,有p
jishuaihu
51单片机
询问一下大家
现在大家还有人在用并口的仿真器吗?430的,有需要的人多吗?
kingheimer
微控制器 MCU
机器视觉技术在薄膜检测系统的应用
据悉,现如今在生产过程中薄膜表面产生的各种污点、杂质、蚊虫以及孔洞等等,依靠人工检测早已无法满足生产和高速的薄膜生产线的需求,容易造成质量的损失。薄膜表面瑕疵缺陷检测薄膜上的脏污点、条纹、破损、边缘裂缝、皱折、暗斑、亮斑、边缘破损、黑点疵点、毛发、蚊虫等常见表面缺陷。 据相关资料显示,薄膜检测系统利用高分辨率线阵相机、高清镜头及配套线光源等硬件设备,配合专业的软件技术实力,生产线正常生产时,高亮
wxsmfskj
测试/测量
推荐内容
热门视频
更多
直播回放: 英飞凌OBC解决方案深度详解
PMLK电源套件系列视频
直播回放 : TI MSP430 低功耗模拟外设助力家用便携式医疗保健产品
WEBENCH FPGA Power Architect 功能导览 – 全面的FPGA电源系统设计
Altium Designer 入门4层智能车全套PCB设计教程
可用10年的蓝牙PIR运动检测方案
小波与滤波器组
FreeRTOS源码详解(正点原子)
揭秘KUKA机器人如何制作特斯拉Model S
HCIA-IoT华为认证物联网工程师视频课程
开源项目推荐
更多
LTC3638HMSE 6W LED 驱动器降压稳压器的典型应用电路
【已验证】J-Link V9 Base /jlink
桌面音箱改造蓝牙音箱
【梁山派开发板】遥控智能车
【开关电路】LM2577-ADJ可调升压电路
使用 Analog Devices 的 ADP8140 的参考设计
BTS 3134 N智能低边电源开关典型应用电路
AM1DM-0503SH60-NZ 3.3 Vout、1W 单路输出 DC-DC 转换器的典型应用
可编程逻辑控制器调制解调器
超声驻波轴向悬浮移动装置
热门文章
更多
51单片机-串口&液晶屏Ⅲ
11.S3C2440 中断实验(五)定时器中断实验
我国5G基站即将破百万!5G手机终端连接数超3.92亿
【STM32】CubeMX+HAL 点亮LED
如何实现向高级电机控制的转变
STM32Keil下编程实现蜂鸣器长鸣
2024年iPhone SE设计有大变 类似iPhone XR/11
美光:未来的数据中心
电路图
一种电压逆变的过程,逆变器的原理解析
手机充电器电源变换电路的分析
一款单节晶体管性能测试电路
一款CD4046构成的频率计电路图
AD7730内部的功能框图及引脚功能图
卡拉OK歌声消除电路
直流电磁铁强励磁快释放电路
导线断路测量仪电路
汽车防盗报警器加装遥控功能电路发射电路
应变片电桥电路图
单管恒流充电器电路图
东芝TA两片机串联型开关电源电路图
负阻抗驱动基本电路
用于电焊机的稳压充电器电路
电子钟附加电路
编译码一体电路
75Ω同轴电缆驱动电路
电力线传输温度巡回检测(发射)电路
星形接法的电动机断相保护电路
免提电话芯片电路图
支持无线、红外遥控的遥控节能灯电路
555红外光控开关(一)
固定正输出电压集成稳压电源
三相电动机间歇启动电路
三相电动机能耗制动电路(二)
电脑主板电路图 815 3_35
电脑主板电路图 815 4_30
电话机原理图05
MP3硬件电路原理图02
可能感兴趣器件
61729-10P1RPSLF
1920862
M3786-4-1161
CX5Z-A0-B2-C380-36.0D20-3
TL3474A
FP2001684751ABBGW
AM67C4033-15NC
MS17345R36C52S
64-02315-BB-0300
21-CBSA-5.25X5.25X0.225
LTC3246IMSE#PBF
NT320310.1%LF
RTBH301CSADD6M10X525S
QT1005RL220-LF
HQDP-060-03.75-TTR-SEU-4-S
LDP-FC-31Z-M-T-DMSCNC-APC
EC3945ETTTS-50.000M TR
DC732A183JA5210
7101J16Z3QE22
891-002-51SS-0C1-12T
03028-BR152AKMP
NCD1R1J100SLTRF
AC0021-2-1-1-32-A1
MMC-116-A-8020-5-B-1-L-C
PTN1206E2213FBW
MDM-9SH003K-A141
WINT0603LF032802D3
C0603C122M3GAC3325
500R282U350CJ0BP
RIAN08TTEB1300FEDE
电子工程世界版权所有
京B2-20211791
京ICP备10001474号-1
电信业务审批[2006]字第258号函
京公网安备 11010802033920号
Copyright © 2005-2023 EEWORLD.com.cn, Inc. All rights reserved
用户评论