069- 机器学习必修课：经典AI算法与编程实战

发布时间：2025-04-08

发布者：

烟雨朦胧

文件大小：共计122个文件，合计:2.06 GB

资源金币：4.99 金币

资源来源：百度网盘

资源状态：【实时检测】链接有效

本站会员，可以免费下载全站所有资源

资源目录结构(只展示部分的文件和文件夹，以下文件快照生成于2025-04-08)

资源投诉

069- 机器学习必修课：经典AI算法与编程实战892.26 MB

99.2-3-k-means和分层聚类【ghxi.mp414.88 MB

98.2-2-聚类算法核心思想和原理【ghxi.mp410.92 MB

97.2--本章总览【ghxi.mp46.53 MB

96.-8-集成学习优缺点和适用条件【ghxi.mp416.01 MB

95.-7-结合策略：Stacking方法【ghxi.mp49.44 MB

94.-6-串行策略：Boosting【ghxi.mp416.62 MB

93.-5-并行策略：随机森林【ghxi.mp411.74 MB

92.-4-并行策略：Bagging、OOB等方法【ghxi.mp426.60 MB

9.-3-集成学习代码实现【ghxi.mp416.14 MB

90.-2-集成学习核心思想和原理【ghxi.mp413.28 MB

89.--本章总览【ghxi.mp48.80 MB

88.0-6-贝叶斯方法优缺点和适用条件【ghxi.mp415.18 MB

87.0-5-多项式朴素贝叶斯代码实现【ghxi.mp415.10 MB

86.0-4-朴素贝叶斯的代码实现【ghxi.mp417.74 MB

85.0-3-朴素贝叶斯分类【ghxi.mp412.84 MB

84.0-2-贝叶斯方法核心思想和原理【ghxi.mp423.49 MB

83.0--本章总览【ghxi.mp414.80 MB

82.9-0-SVM优缺点和适用条件【ghxi.mp47.10 MB

8.9-9-SVM回归任务代码实现【ghxi.mp410.19 MB

80.9-8-非线性SVM代码实现【ghxi.mp416.23 MB

79.9-7-SVM核函数【ghxi.mp414.90 MB

78.9-6-非线性SVM：核技巧【ghxi.mp428.72 MB

77.9-5-线性SVM分类任务代码实现【ghxi.mp412.81 MB

76.9-4-SVM软间隔【ghxi.mp417.90 MB

75.9-3-硬间隔SVM【ghxi.mp422.35 MB

74.9-2-SVM核心思想和原理【ghxi.mp411.36 MB

73.9--本章总览【ghxi.mp433.10 MB

72.8-9-神经网络优缺点和适用条件【ghxi.mp413.24 MB

7.8-8-模型选择【ghxi.mp426.65 MB

70.8-7-梯度消失和梯度爆炸【ghxi.mp418.41 MB

69.8-6-神经网络简单代码实现【ghxi.mp420.60 MB

68.8-5-梯度下降优化算法【ghxi.mp424.48 MB

67.8-4-正向传播与反向传播【ghxi.mp415.68 MB

66.8-3-激活函数【ghxi.mp425.64 MB

65.8-2-神经网络核心思想和原理【ghxi.mp437.95 MB

64.8--本章总览【ghxi.mp416.01 MB

63.7-8-决策树优缺点和适用条件【ghxi.mp412.13 MB

62.7-7-决策树回归任务代码实现【ghxi.mp48.52 MB

6.7-6-决策树剪枝【ghxi.mp419.62 MB

60.7-5-基尼系数【ghxi.mp413.18 MB

59.7-4-决策树分类任务代码实现【ghxi.mp425.17 MB

58.7-3-信息熵【ghxi.mp427.07 MB

57.7-2-决策树核心思想和原理【ghxi.mp415.24 MB

56.7--本章总览【ghxi.mp48.77 MB

55.6-3-评价指标：ROC曲线【ghxi.mp423.58 MB

54.6-2-评价指标：混淆矩阵、精准率和召回率【ghxi.mp425.53 MB

53.6--模型泛化【ghxi.mp415.93 MB

52.6-0-LASSO和岭回归代码实现【ghxi.mp416.67 MB

5.6-9-正则化【ghxi.mp430.33 MB

50.6-8-模型误差【ghxi.mp427.07 MB

1、本网站数据来自互联网，通过自动抓取公开网页链接构建数据库，系统将基于链接特征选择性收录符合收录标准的内容

2、根据用户输入的关键词，通过智能算法自动匹配并展示相关第三方网页链接。所有搜索结果均为实时动态生成

3、本站不控制、修改第三方网页内容，不对其可用性、准确性负责

4、搜索结果中的广告及推广内容不代表本站推荐或担保

5、所有内容获取/呈现均通过自动化程序完成，无人工干预