梗直哥瞿炜-机器学习必修课：经典算法与Python实战

发布时间：2024-12-10

发布者：

静影墨侠

文件大小：共计122个文件，合计:2.22 GB

资源金币：4.99 金币

资源来源：夸克网盘

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

资源介绍

《梗直哥瞿炜-机器学习必修课：经典算法与Pyh实战》是一套全面的机器学习课程，涵盖了从基础理论到实战应用的各个方面。课程内容包括决策树、SVM、逻辑回归、KNN、聚类算法、神经网络等多个机器学习经典算法。通过Pyh实战演示，帮助学员掌握算法原理和应用技巧。课程还介绍了数据预处理、模型评估、模型选择等关键知识点，确保学员能够将理论应用到实际问题中。此外，课程提供了Juyr Nbk、Aaa、Numy、Mab等工具的基础和高级使用方法，助力学员更好地进行数据分析和可视化。

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2024-12-10)

资源投诉

梗直哥瞿炜-机器学习必修课：经典算法与Python实战886.80 MB

07-8-7-8决策树优缺点和适用条件.mp414.28 MB

09-5-9-5线性SVM分类任务代码实现.mp414.73 MB

03-4-3-4JupyterNotebook基础使用.mp414.53 MB

06-2-6-2评价指标：混淆矩阵、精准率和召回率.mp427.70 MB

05--5-本章总览.mp410.11 MB

03-2-3-2Anaconda图形化操作.mp47.89 MB

07-3-7-3信息熵.mp432.81 MB

3-2-3-2PCA核心思想和原理.mp418.61 MB

09-9-9-9SVM回归任务代码实现.mp410.80 MB

05-9-5-9多分类策略.mp46.40 MB

05-6-5-6多项式回归代码实现.mp417.24 MB

08-3-8-3激活函数.mp424.51 MB

03-8-3-8Numpy数组基础索引：索引和切片.mp410.94 MB

04-6-4-6超参数.mp424.08 MB

08-7-8-7梯度消失和梯度爆炸.mp420.62 MB

03-4-3-4Matplotlib数据可视化：基础绘制与设置.mp412.67 MB

06-3-6-3梯度下降.mp431.44 MB

05--5-线性算法优缺点和适用条件.mp413.75 MB

07-7-7-7决策树回归任务代码实现.mp410.28 MB

07-5-7-5基尼系数.mp419.14 MB

06-6-6-6学习曲线.mp421.41 MB

09--9-本章总览.mp432.26 MB

04-7-4-7特征归一化.mp422.05 MB

04-2-4-2KNN算法核心思想和原理.mp419.99 MB

03-0-3-0Numpy数组矩阵运算：一元运算、二元运算与矩阵运算.mp418.84 MB

03-7-3-7Numpy数组创建：特定数组、等差数组、随机数组.mp421.86 MB

02-3-2-3研究哪些问题：分类、回归等.mp417.48 MB

07--7-本章总览.mp410.43 MB

06-3-6-3评价指标：ROC曲线.mp426.31 MB

---本章总览.mp49.12 MB

04-4-4-4数据集划分：训练集与预测集.mp425.15 MB

05-8-5-8线性逻辑回归代码实现.mp420.39 MB

3-3-3-3PCA求解算法.mp420.88 MB

3-4-3-4PCA算法代码实现.mp412.16 MB

03--3课程使用的技术栈.mp418.29 MB

0--课程内容和理念.mp427.13 MB

03-6-3-6Numpy基础：安装与性能对比.mp49.49 MB

05-4-5-4线性回归代码实现.mp422.67 MB

0-5-0-5多项式朴素贝叶斯代码实现.mp419.65 MB

03--3-Numpy数组统计运算：常用的都在这儿了.mp49.80 MB

08-8-8-8模型选择.mp430.80 MB

09-8-9-8非线性SVM代码实现.mp421.88 MB

03-2-3-2Numpy数组arg运算和排序.mp411.56 MB

5--5-本章总览.mp44.67 MB

2-4-2-4聚类算法代码实现.mp419.54 MB

03-3-3-3Anaconda命令行操作.mp410.04 MB

4-5-4-5概率图模型优缺点和适用条件.mp48.43 MB

3-6-3-6PCA在数据降噪中的应用.mp410.99 MB

06-4-6-4决策边界.mp420.83 MB

0-6-0-6贝叶斯方法优缺点和适用条件.mp420.17 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