机器学习入门 Scikit-learn实现经典小案例【1.8GB】--mkw

yyzhi

下载地址：

游客，如果您要查看本帖隐藏内容请回复

【课程目录】

├─第10章 深度学习
│      1 深度学习：图像搜索.mp4
│      2 神经网络.mp4
│      3 深度学习在计算机视觉中的应用.mp4
│      4 深度学习的性能.mp4
│      5 计算机视觉中的深度学习.mp4
│      6 深度学习的挑战.mp4
│      7 迁移学习.mp4
│      8 深度学习总结(1).mp4
│      
├─第11章 神经网络—案例部分
│      0 深度学习实践-获取图像数据.mp4
│      1 深度学习实践-构建图像检索的最近邻模型.mp4
│      2 深度学习实践-通过查询最近邻模型来检索图像.mp4
│      3 深度学习实践-检索和轿车图像最相似的图像.mp4
│      4 深度学习实践-通过Python和Lanbda函数来显示其他检索图像.mp4
│      
├─第1章 机器学习概述
│      1-1 机器学习-导学.mp4
│      1-10 Python中的函数.mp4
│      1-11 应用GraphCreate Lab.mp4
│      1-12 GraphLab Canvas.mp4
│      1-13 SFrame中的列操作.mp4
│      1-14 SFrame中的apply函数.mp4
│      1-2 概述.mp4
│      1-3 机器学习示例.mp4
│      1-4 本门课使用的工具.mp4
│      1-5 本门课的内容.mp4
│      1-6 graphlab create的安装.mp4
│      1-7 IPython Notebook介绍.mp4
│      1-8 python 基本语法.mp4
│      1-9 条件和循环语句.mp4
│      
├─第2章 回归模型
│      2-1 线性回归概述.mp4
│      2-2 预测房价.mp4
│      2-3 线性回归.mp4
│      2-4 加入更高阶的因素.mp4
│      2-5 通过训练-测试分离来评估过拟合.mp4
│      2-6 训练测试曲线.mp4
│      2-7 加入新的特征.mp4
│      2-8 其他回归示例.mp4
│      2-9 回归总结.mp4
│      
├─第3章 回归模型—房价预测进阶案例
│      3-1 回归实践-下载和探索房屋销售数据.mp4
│      3-2回归实践-把数据拆分成训练集和测试集.mp4
│      3-3 回归实践-学习一个简单的回归模型通过房屋大小预测房价.mp4
│      3-4 回归实践-评估模型的误差.mp4
│      3-5 回归实践-通过Matplotlib来可视化预测.mp4
│      3-6 回归实践-探索学习到的模型系数.mp4
│      3-7 回归实践-探索数据的其他特征.mp4
│      3-8 回归实践-学习通过更多特征来预测房价的模型.mp4
│      3-9 回归实践-应用学习到的模型来预测更多的房价.mp4
│      更多资源.docx
│      
├─第4章 分类模型
│      1 分类-分析情感.mp4
│      10 类别概率.mp4
│      11 分类总结.mp4
│      2 从主题预测情感.mp4
│      3 分类器应用.mp4
│      4 线性分类器.mp4
│      5 决策边界.mp4
│      6 训练和评估分类器.mp4
│      7 什么是好的精度.mp4
│      8 混淆矩阵.mp4
│      9 学习曲线.mp4
│      
├─第5章 分类模型—情感分析进阶案例
│      5-1 分类实践-获取和探索商品评论数据.mp4
│      5-2 分类实践-构建词袋向量.mp4
│      5-3 分类实践-探索流行的商品.mp4
│      5-4 分类实践-定义评论的正面和负面感情.mp4
│      5-5 分类实践-训练情感的分类器.mp4
│      5-6 分类实践-通过ROC曲线评估分类器.mp4
│      5-7 分类实践-应用模型于商品的最正面和最负面评论.mp4
│      5-8 分类实践-探索商品的最正面和最负面评价.mp4
│      
├─第6章 聚类和相似度模型
│      1 聚类和相似度-文档检索.mp4
│      10 其他例子.mp4
│      11 聚类和相似度总结.mp4
│      2 检索感兴趣的文档.mp4
│      3 用于测量相似度的单词计数表示.mp4
│      4 应用TF-IDF对于重要单词进行优先级排序.mp4
│      5 TF-IDFf文档表示.mp4
│      6 检索相似的文档.mp4
│      7 文档聚类.mp4
│      8 聚类介绍.mp4
│      9 k-均值.mp4
│      
├─第7章 聚类和相似度模型—维基百科人物相似度案例
│      7-1 聚类和相似度实践-获取和探索维基百科数据.mp4
│      7-2 聚类和相似度实践-探索单词计数.mp4
│      7-3 聚类和相似度实践-计算和探索TF-IDF.mp4
│      7-4 聚类和相似度实践-计算维基百科文章的距离.mp4
│      7-5 聚类和相似度实践-构建和探索维基百科文章的最近领域模型.mp4
│      7-6 聚类和相似度实践-实际文档检索的例子.mp4
│      
├─第8章 推荐系统
│      1 推荐商品.mp4
│      10 通过矩阵分解发现隐藏结构.mp4
│      11 特征+矩阵分解.mp4
│      12 推荐系统的性能度量.mp4
│      13 最优推荐.mp4
│      14 准确率-召回率曲线.mp4
│      15 推荐系统总结.mp4
│      2.mp4
│      3 推荐的分类模型.mp4
│      4 协同过滤.mp4
│      5 流行物品的影响.mp4
│      6 正规化同现矩阵.mp4
│      7 矩阵补全问题.mp4
│      8 通过用户和物品的特征进行推荐.mp4
│      9 利用矩阵形式预测.mp4
│      
└─第9章 推荐系统—构建推荐系统案例
        9-1 推荐系统实践-获取和探索音乐数据.mp4
        9-2 推荐系统实践-构建和评估基于流行度的音乐推荐系统.mp4
        9-3 推荐系统实践-构建和评估个性化的音乐推荐系统.mp4
        9-4 推荐系统实践-召回率来比较推荐模型.mp4

侵权联系和免责声明

1.本站资源所有言论纯属用户个人意见，与本论坛立场无关。

2.本站所有资源收集于互联网，由用户分享，本站不享有任何版权，如有侵权请联系本站删除。

3.本站部分内容转载自其它网站，但并不代表本站赞同其观点和对其真实性负责。

4.如本帖侵犯到任何版权问题，请立即告知本站，本站将及时删除并致以最深的歉意。

侵权联系邮箱：2647756422@qq.com

本文地址: https://www.itstudy365e.com/thread-717-1-1.html