- 全部任务
- 1.1引言
- 1.2基本术语
- 1.3假设空间&归纳偏好
- 2.1经验误差与过拟合_Pyth...
- 2.2评估方法
- 2.3性能度量
- 2.4性能度量Python实现
- 3.1线性回归基本形式
- 3.2线性回归模型的Python...
- 3.3波士顿房价预测的Pytho...
- 3.4逻辑回归介绍
- 3.5研究生入学录取预测的Pyt...
- 4.1从女生相亲到决策树
- 4.2明天适合打球吗
- 4.3决策树拆分属性选择
- 4.4决策树算法家族
- 4.5泰坦尼克号生还者预测—数据...
- 4.6泰坦尼克号生还者预测—模型...
- 5.1单个神经元介绍
- 5.2经典网络结构介绍
- 5.3神经网络工作流程演示
- 5.4如何修正网络参数-梯度下降...
- 5.5网络工作原理推导
- 5.6网络搭建准备
- 5.7样本从输入层到隐层传输的P...
- 5.8网络输出的Python实现
- 5.9单样本网络训练的Pytho...
- 5.10全样本网络训练的Pyth...
- 5.11网络性能评价
- 5.12调用sklearn实现神...
- 6.1KNN算法介绍
- 6.2KNN算法解决鸢尾花分类问...
- 7.1非洲人还是北美人
- 7.2为什么有“朴素”二字
- 7.3拉普拉斯修正
- 7.4用高斯朴素贝叶斯算法解决鸢...
- 8.1聚类分析概述
- 8.2相似性度量
- 8.3K-Means聚类分析算法...
- 8.4利用K-Means算法对鸢...
- 8.5聚类结果的性能度量
- 8.6调用sklearn实现聚类...
- 9.1间隔与支持向量
- 9.2对偶问题
- 9.3核函数
- 9.4软间隔与正则化
- 9.5支持向量机算法的Pytho...
- 10小结
- 课程配套数据、代码及PPT
- 1.1引言
- 1.2基本术语
- 1.3假设空间&归纳偏好
- 2.1经验误差与过拟合
- 2.2评估方法
- 2.3性能度量
- 2.4性能度量Python实现
- 3.1线性回归基本形式
- 3.2线性回归模型的Python...
- 4.1从女生相亲到决策树
- 4.2明天适合打球吗
- 4.3决策树拆分属性选择
- 4.4决策树算法家族
- 4.5泰坦尼克号生还者预测—数据...
- 4.6泰坦尼克号生还者预测—模型...
- 5.1单个神经元介绍
- 5.2经典网络结构介绍
- 5.3神经网络工作流程演示
- 5.4如何修正网络参数-梯度下降...
- 5.5网络工作原理推导
- 5.6 网络搭建准备
- 5.7样本从输入层到隐层传输的P...
- 5.8网络输出的Python实现
- 5.9单样本网络训练的Pytho...
- 5.10全样本网络训练的Pyth...
- 5.11网络性能评价
- 5.12调用sklearn实现神...
- 7.1聚类分析概述
- 7.2相似性度量
- 7.3K-Means聚类分析算法...
- 7.4利用K-Means算法对鸢...
- 7.5聚类结果的性能度量
- 7.6调用sklearn实现聚类...
- 6.1间隔与支持向量
- 6.2对偶问题
- 6.3核函数
- 6.4软间隔与正则化
- 6.5支持向量机算法的Pytho...
- 配套资料下载
- 8.3 串行集成算法-Boost...
- 8.2 并行集成算法-Baggi...
- 8.1 集成学习基本概念
- 8.6 Stacking代码实现
- 8.5 Stacking算法流程
- 8.4 串行集成算法-Boost...
- 1.1引言
- 1.2基本术语
- 1.3假设空间&归纳偏好
- 2.1经验误差与过拟合
- 2.2评估方法
- 2.3性能度量
- 2.4性能度量Python实现
- 3.1线性回归基本形式
- 3.2线性回归模型的Python...
- 3.3波士顿房价预测的Pytho...
- 3.4逻辑回归介绍
- 3.5研究生入学录取预测的Pyt...
- 4.1单个神经元介绍
- 4.2经典网络结构介绍
- 4.3神经网络工作流程演示
- 4.4如何修正网络参数-梯度下降...
- 4.5网络工作原理推导
- 4.6 网络搭建准备
- 4.7样本从输入层到隐层传输的P...
- 4.8网络输出的Python实现
- 4.9单样本网络训练的Pytho...
- 4.10全样本网络训练的Pyth...
- 4.11网络性能评价
- 4.12调用sklearn实现神...
- 课程配套数据、代码及PPT
- 1.1引言
- 1.2基本术语
- 1.3假设空间&归纳偏好
- 2.1经验误差与过拟合
- 2.2评估方法
- 2.3性能度量
- 2.4性能度量Python实现
- 3.1线性回归基本形式
- 3.2线性回归模型的Python...
- 3.3波士顿房价预测的Pytho...
- 3.4逻辑回归介绍
- 3.5研究生入学录取预测的Pyt...
- 4.1从女生相亲到决策树
- 4.2明天适合打球吗
- 4.3决策树拆分属性选择
- 4.4决策树算法家族
- 4.5泰坦尼克号生还者预测—数据...
- 4.6泰坦尼克号生还者预测—模型...
- 6.1间隔与支持向量
- 6.2对偶问题
- 6.3核函数
- 6.4软间隔与正则化
- 6.5支持向量机算法的Pytho...
- 5.1聚类分析概述
- 5.2相似性度量
- 5.3K-Means聚类分析算法...
- 5.4利用K-Means算法对鸢...
- 5.5聚类结果的性能度量
- 5.6调用sklearn实现聚类...
- 课程配套数据、代码及PPT
- 1.1引言
- 1.2基本术语
- 1.3假设空间&归纳偏好
- 2.1经验误差与过拟合
- 2.2评估方法
- 2.3性能度量
- 2.4性能度量Python实现
- 3.1线性回归基本形式
- 3.2线性回归模型的Python...
- 4.1单个神经元介绍
- 4.2经典网络结构介绍
- 4.3神经网络工作流程演示
- 4.4如何修正网络参数-梯度下降...
- 4.5网络工作原理推导
- 4.6 网络搭建准备
- 4.7样本从输入层到隐层传输的P...
- 4.8网络输出的Python实现
- 4.9单样本网络训练的Pytho...
- 4.10全样本网络训练的Pyth...
- 4.11网络性能评价
- 4.12调用sklearn实现神...
- 6.1间隔与支持向量
- 6.2对偶问题
- 6.3核函数
- 6.4软间隔与正则化
- 6.5支持向量机算法的Pytho...
- 5.1聚类分析概述
- 5.2相似性度量
- 5.3K-Means聚类分析算法...
- 5.4利用K-Means算法对鸢...
- 5.5聚类结果的性能度量
- 5.6调用sklearn实现聚类...
- 配套资料下载
- 1.1引言
- 1.2基本术语
- 1.3假设空间&归纳偏好
- 2.1经验误差与过拟合
- 2.2评估方法
- 2.3性能度量
- 2.4性能度量Python实现
- 3.1线性回归基本形式
- 3.2线性回归模型的Python...
- 4.1从女生相亲到决策树
- 4.2明天适合打球吗
- 4.3决策树拆分属性选择
- 4.4决策树算法家族
- 4.5泰坦尼克号生还者预测—数据...
- 4.6泰坦尼克号生还者预测—模型...
- 5.1单个神经元介绍
- 5.2经典网络结构介绍
- 5.3神经网络工作流程演示
- 5.4如何修正网络参数-梯度下降...
- 5.5网络工作原理推导
- 5.6 网络搭建准备
- 5.7样本从输入层到隐层传输的P...
- 5.8网络输出的Python实现
- 5.9单样本网络训练的Pytho...
- 5.10全样本网络训练的Pyth...
- 5.11网络性能评价
- 5.12调用sklearn实现神...
- 配置资料下载
暂无笔记
