【8355】-人工智能-机器学习实战入门视频教程
课时01人工智能、机器学习和深度学习的关系.mp4
课时02机器学习需要哪些工具.mp4
课时03.源代码和其他资源下载.bxt
课时04.JupyterNotebook简介与安装.mp4
课时05.使用JupyterNotebook.mp4
课时06远程访问JupyterNotebook.mp4
课时07项目简介.mp4
课时08.训练线性模型，并预测幸福指数.mp4
课时09.机器学习的主要挑战.mp4
课时10.准备训练数据.mp4
课时11.查看和可视化数据集.mp4
课时12.准备训练集和测试集.mp4
课时13用更完美的方式产生训练集和测试集.mp4
课时14.用sklearnAPI拆分训练集和测试集.mp4
课时15.分层抽样.mp4
课时16，通过可视化地理数据寻找模式.mp4
课时17用两种方法检测属性之间的相关度.mp4
课时18.为房屋数据集添加新属性，并计算与房屋均价的相关度.mp4
课时19，清理数据：用转换器埴补缺失值.mp4
课时20.将文本类型属性转换为数值.mp4
课时21.自定义转换器.mp4
课时22.数据转换管道（pipeline ） .mp4
课时23.选择、训练模型以及预测房价.mp4
课时24.评估模型的性能.mp4
课时25用交叉验证评估和选择模型.mp4
课时26.项目概述.mp4
课时27，使用sklearn内置的图像数据.mp4
课时28使用fetch-mldata函数获取MNIST图像数据集.mp4
课时29，直接读取mat格式的MNIST图像数据集.mp4
课时30.将多张图像文件合成一个图像.mp4
课时31对数字图像进行二元分类.mp4
课时32.使用K-fold交叉验证法评估分类器模型的性能.mp4
课时33.使用混淆矩阵评估分类器模型的性能.mp4
课时34，用精度、召回率和F1分数评估分类模型.mp4
课时35.调整阈值得到不同的精度和召回率.mp4
课时36.ROC曲线与模型评估.mp4
课时37.比较随机森林分美器和梯度下降分美器的ROC曲线.mp4
课时38.多类别分类器.mp4
课时39通过对特征值进行转换提高分类效果.mp4
课时40通过分析错误类型改进分类模型.mp4
课时41.多标签分类.mp4
课时42.去除图像噪声.mp4
课时43，实现原理.mp4
课时44.用k-邻近算法进行分类.mp4
课时45.用k-邻近算法进行预测~1.mp4
课时46.绘制拟合曲线.mp4
课时47，准备训练数据和测试数据.mp4
课时48比较和选择分类模型.mp4
课时49.训练模型与预测糖尿病.mp4
课时50绘制学习曲线.mp4
课时51，选择相关特征与数据可视化.mp4
课时52.线性回归都讲了什么.mp4
课时53.线性回归模型概述.mp4
课时54使用标准方程进行线性回归拟合~1.mp4
课时55.梯度下降算法原理.mp4
课时56批量梯度下降.mp4
课时57比较不同学习率的迭代效果.mp4
课时58.随机梯度下降.mp4
课时59.下批量梯度下降.mp4
课时60.比较4种线性回归算法.mp4
课时61用线性模型拟合非线性数据.mp4
课时62.性SVM分类.mp4
课时63，添加特征使数据集线性可分离.mp4
课时65.基于多项式核的SVM分类器.mp4
课时66.高斯RBF的相似特征.mp4
课时67基于高斯RBF核函数的SVM分类器.mp4
课时68.SVM线性回归.mp4
