您的位置： 易学在线课堂Python3机器学习算法与应用
分享

Python3机器学习算法与应用

bobo老师特为机器学习初学者量身打造，使用最新的python3语言和最流行的scikit-learn框架，算法与编程两翼齐飞，由浅入深，一步步的进入机器学习的世界。学到的不只是一门课程，更是不断思考的能力。

共107课时 共26时20分9秒 更新时间：2018-09-15 11:32:57

手机扫码访问此课程
10金币
已有 1 人学习

该讲师其它课程

销量排行

动态

  • 讲师简介
  • 课程介绍
  • 课程目录
  • 学习资料
  • 交易记录（0）

【课程介绍】

bobo老师特为机器学习初学者量身打造，使用最新的python3语言和最流行的scikit-learn框架，算法与编程两翼齐飞，由浅入深，一步步的进入机器学习的世界。学到的不只是一门课程，更是不断思考的能力。

【课程目录】

学员 1、1-1导学24:14 [+]
学员 2、1-2 课程涵盖的内容和理念13:25 [+]
学员 3、1-3 课程所使用的主要技术栈14:11 [+]
学员 4、2-1 机器学习世界的数据18:28 [+]
学员 5、2-2 机器学习的主要任务16:01 [+]
学员 6、2-3 监督学习，非监督学习，半监督学习和增强学习00:00 [+]
学员 7、2-4 批量学习，在线学习，参数学习和非参数学习11:53 [+]
学员 8、2-5 和机器学习相关的哲学思考12:00 [+]
学员 9、3-1 jupyter notebook基础18:44 [+]
学员 10、3-2 jupyter notebook中的魔法命令20:52 [+]
学员 11、3-3 Numpy数据基础11:06 [+]
学员 12、3-4 创建numpy数组和矩阵19:17 [+]
学员 13、3-5 Numpy数组的基本操作18:17 [+]
学员 14、3-6 Numpy数组的合并与分割18:02 [+]
学员 15、3-7 Numpy中的矩阵运算23:14 [+]
学员 16、3-8 Numpy中的聚合运算13:21 [+]
学员 17、3-9 Numpy中的arg运算11:14 [+]
学员 18、3-10 Numpy中的比较和FancyIndexing22:39 [+]
学员 19、3-11 Matplotlib数据可视化基础18:03 [+]
学员 20、3-12 数据加载和简单的数据探索18:03 [+]
学员 21、4-1 k近邻算法基础22:44 [+]
学员 22、4-2 scikit-learn中的机器学习算法封装22:23 [+]
学员 23、4-3 训练数据集，测试数据集22:48 [+]
学员 24、4-4 分类准确度19:23 [+]
学员 25、4-5 超参数26:34 [+]
学员 26、4-6 网格搜索与k近邻算法中更多超参数18:59 [+]
学员 27、4-7 数据归一化15:29 [+]
学员 28、4-8 scikit-learn中的Scaler19:26 [+]
学员 29、4-9 更多有关k近邻算法的思考10:24 [+]
学员 30、5-1 简单线性回归00:00 [+]
学员 31、5-2 最小二乘法00:00 [+]
学员 32、5-3 简单线性回归的实现14:10 [+]
学员 33、5-4 向量化12:02 [+]
学员 34、5-5 衡量线性回归法的指标 MSE,RMS,MAE22:45 [+]
学员 35、5-6 最好的衡量线性回归法的指标 R Squared16:30 [+]
学员 36、5-7 多元线性回归和正规方程解16:01 [+]
学员 37、5-8 实现多元线性回归13:12 [+]
学员 38、5-9 使用scikit-learn解决回归问题12:44 [+]
学员 39、5-10 线性回归的可解性和更多思考11:54 [+]
学员 40、6-1 什么是梯度下降法16:29 [+]
学员 41、6-2 模拟实现梯度下降法00:00 [+]
学员 42、6-3 线性回归中的梯度下降法10:59 [+]
学员 43、6-4 实现线性回归中的梯度下降法14:07 [+]
学员 44、6-5 梯度下降的向量化和数据标准化22:16 [+]
学员 45、6-6 随机梯度下降法17:36 [+]
学员 46、6-7 scikit-learn中的随机梯度下降法15:40 [+]
学员 47、6-8 如何确定梯度计算的准确性 调试梯度下降法16:31 [+]
学员 48、6-9 有关梯度下降法的更多深入讨论09:10 [+]
学员 49、7-1 什么是PCA00:00 [+]
学员 50、7-2 使用梯度上升法求解PCA问题09:12 [+]
学员 51、7-3 求数据的主成分PCA20:21 [+]
学员 52、7-4 求数据的前n个主成分17:37 [+]
学员 53、7-5 高维数据映射为低维数据19:30 [+]
学员 54、7-6 scikit-learn中的PCA18:58 [+]
学员 55、7-7 试手MNIST数据集12:06 [+]
学员 56、7-8 使用PCA对数据进行降噪10:02 [+]
学员 57、7-9 人脸识别与特征脸14:00 [+]
学员 58、8-1 什么是多项式回归11:40 [+]
学员 59、8-2 scikit-learn中的多项式回归于pipeline16:29 [+]
学员 60、8-3 过拟合与前拟合14:24 [+]
学员 61、8-4 为什么要训练数据集与测试数据集16:09 [+]
学员 62、8-5 学习曲线00:00 [+]
学员 63、8-6 验证数据集与交叉验证25:24 [+]
学员 64、8-7 偏差方差平衡15:18 [+]
学员 65、8-8 模型泛化与岭回归19:17 [+]
学员 66、8-9 LASSO17:01 [+]
学员 67、8-10 L1,L2和弹性网络14:26 [+]
学员 68、9-1 什么是逻辑回归00:00 [+]
学员 69、9-2 逻辑回归的损失函数15:01 [+]
学员 70、9-3 逻辑回归损失函数的梯度17:53 [+]
学员 71、9-4 实现逻辑回归算法14:35 [+]
学员 72、9-5 决策边界21:11 [+]
学员 73、9-6 在逻辑回归中使用多项式特征15:09 [+]
学员 74、9-7 scikit-learn中的逻辑回归17:23 [+]
学员 75、9-8 OvR与OvO00:00 [+]
学员 76、10-1 准确度的陷阱和混淆矩阵15:10 [+]
学员 77、10-2 精准率和召回率11:56 [+]
学员 78、10-315:48 [+]
学员 79、10-417:46 [+]
学员 80、10-520:25 [+]
学员 81、10-614:40 [+]
学员 82、10-716:59 [+]
学员 83、10-813:35 [+]
学员 84、11-115:04 [+]
学员 85、11-219:26 [+]
学员 86、11-316:14 [+]
学员 87、11-421:34 [+]
学员 88、11-512:53 [+]
学员 89、11-616:20 [+]
学员 90、11-720:57 [+]
学员 91、11-814:00 [+]
学员 92、11-928:51 [+]
学员 93、12-115:16 [+]
学员 94、12-2 信息熵16:34 [+]
学员 95、12-3 使用信息熵寻找最优划分20:32 [+]
学员 96、12-4 基尼系数17:45 [+]
学员 97、12-5 CART与决策树中的超参数15:13 [+]
学员 98、12-608:17 [+]
学员 99、12-708:34 [+]
学员 100、13-1什么是集成学习16:34 [+]
学员 101、13-2 SoftVoting Classifier17:15 [+]
学员 102、13-3 Bagging和Pasting00:00 [+]
学员 103、13-4 oob（Out-of-Bag）和关于Bagging的更多讨论11:42 [+]
学员 104、13-5 随机森林和Extra-Trees10:38 [+]
学员 105、13-6 Ada Boosting和Gradient Boosting00:00 [+]
学员 106、13-7 Stacking06:57 [+]
学员 107、14-1 学习scikit-learn文档06:48 [+]

【学习资料】

所属章节 资料名称 文件大小 下载

【交易记录】

交易会员 最近购买课程 交易时间