慕课网-Python3入门机器学习 经典算法与应用

编辑点评

系统讲解Python机器学习，涵盖经典算法如K近邻、决策树、逻辑回归等，适合初学者快速入门。

⭐ 编辑推荐

本课程深入浅出地讲解Python机器学习，从基础到实践，助你掌握经典算法。

✨ 课程亮点

课程目录

📁 第4章 最基础的分类算法
4-7 数据归一化【持续更新‖免费提供：CunworknoteS】.mp4 [56.8 MB]
4-2 scikit-learn机器学习算法封装.mp4 [145.1 MB]
4-3 训练数据集.mp4 [122.5 MB]
4-6 网络搜索与K邻近算法中更多超参数.mp4 [131.0 MB]
4-4 分类准确度【资源精选‖更多关注：CunworkNotes】.mp4 [130.5 MB]
4-9 更多有关K近邻算法的思考.mp4 [22.7 MB]
4-1 K杩戦偦绠楁硶.mp4 [74.4 MB]
📁 第12章 决策树
12-1 什么是决策树.mp4 [38.4 MB]
📁 第2章 机器学习基础
2-6 课程使用环境搭建.mp4 [91.8 MB]
2-3 监督学习、非监督学习...【整理不易‖记得关注：CunWorKNotes】.mp4 [47.4 MB]
2-1 机器学习的数据.mp4 [48.3 MB]
2-4 批量、在线学习、参数、非参数学习.mp4 [24.8 MB]
2-2 机器学习的主要任务.mp4 [59.0 MB]
📁 第9章 逻辑回归
9-4 实现逻辑回归算法.mp4 [141.5 MB]
9-6 在逻辑回归中使用多项式特征.mp4 [72.4 MB]
9-1 什么是逻辑回归.mp4 [37.3 MB]
9-3 逻辑回归损失函数的梯度.mp4 [48.9 MB]
9-7 scikt-learn中的逻辑回归.mp4 [85.1 MB]
9-5 鍐崇瓥杈圭晫.mp4 [98.8 MB]
9-2 逻辑回归的损失函数【公重号：CunWorkNotes】.mp4 [36.9 MB]
📁 第11章 支撑向量机SVM
11-7RBF核函数【优质资源‖关注：cunWorkNotes 解锁】.mp4 [46.8 MB]
11-8 RBF鏍稿嚱鏁颁腑鐨刧amma.mp4 [57.7 MB]
11-2 svm背后的最优化问题.mp4 [44.4 MB]
11-5 SVM中使用多项式特征和核函数【资源精选‖更多关注：CunworkNotes】.mp4 [61.5 MB]
11-6 什么是核函数.mp4 [36.6 MB]
11-9 SVM思想解决回归问题.mp4 [36.0 MB]
📁 第3章 Jupyter Notebook ,numpy
3-3 Numpy 数据基础.mp4 [39.0 MB]
3-8 Numpy 中的聚合运算.mp4 [72.3 MB]
3-6 Numpy 数据和矩阵的合并与分割.mp4 [81.2 MB]
3-1 Jupyter Notebook基础.mp4 [88.5 MB]
3-7 Numpy中的矩阵运算.mp4 [120.4 MB]
3-5 Numpy数组和矩阵的基本操作.mp4 [66.3 MB]
3-12 数据加载和简单的数据搜索【公重号：CunWorkNotes】.mp4 [73.1 MB]
3-9 Numpy中的arg运算【优质资源‖关注：cunWorkNotes 解锁】.mp4 [50.8 MB]
3-11 Matplotlib数据可视化基础.mp4 [101.2 MB]
3-4 创建Numpy 数据和矩阵.mp4 [103.1 MB]
3-2Jupter Notebook 中的魔法命令.mp4 [103.5 MB]
3-10 Numpy涓殑姣旇緝鍜孎ancy lindexing.mp4 [103.4 MB]
📁 第6章 梯度下降法
6-6 随机梯度下降法【不易整理‖请关注：CunWorkNoteS】.mp4 [77.4 MB]
6-4 实现线性回归中的梯度下降法.mp4 [84.2 MB]
6-2线性回归中的梯度下降法.mp4 [109.3 MB]
6-1 什么是梯度下降法.mp4 [33.5 MB]
6-8有关梯度下降法的更多深入讨论.mp4 [59.1 MB]
6-5 梯度下降法的向量化.mp4 [108.6 MB]
6-7 scikit-learn中的梯度下降法.mp4 [130.7 MB]
6-9 有关梯度下降法的更多讨论.mp4 [18.1 MB]
6-3实现线性回归中的梯度下降法.mp4 [35.3 MB]
📁 第14章 更多机器学习算法
14章 学习scikit-learn文档，大家加油！.mp4 [160.4 MB]
📁 第7章 PCA与梯度上升法
7-7 试手MNIST数据集.mp4 [61.9 MB]
7-3 求数据的主成分.mp4 [96.8 MB]
7-9 人脸识别与特征脸.mp4 [69.1 MB]
7-4 高维数据映射为低维数据（）.mp4 [73.3 MB]
7-5 高纬数据映射为低纬数据.mp4 [92.3 MB]
7-2 求数据的主成分PCA问题.mp4 [20.2 MB]
7-8 使用PCA对数据进行降噪.mp4 [67.7 MB]
📁 第8章 多项式回归与模型泛化
8-10 L1，L2弹性网络【资源精选‖更多关注：CunworkNotes】.mp4 [26.5 MB]
8-2 scikit-learn 中的多项式回归.mp4 [80.5 MB]
8-4 为什么要训练数据集与测试数据集.mp4 [103.8 MB]
8-8 模型泛化与岭回归.mp4 [106.1 MB]
8-6 验证数据集与交叉验证.mp4 [133.0 MB]
8-1 什么是多项式回归.mp4 [53.4 MB]
8-7 偏差方差平衡.mp4 [35.5 MB]
8-3 过拟合与欠拟合.mp4 [110.0 MB]
📁 第10章 评价分类结果
10-5 准确率和召回率的平衡.mp4 [79.1 MB]
10-2 准确率和召回率.mp4 [27.3 MB]
10-8 多分类问题中的混淆矩阵.mp4 [78.6 MB]
10-6 准确率召回率曲线.mp4 [91.9 MB]
10-3 现实混淆矩阵.mp4 [87.7 MB]
10-1准确度的陷阱和混淆矩阵【持续更新‖免费提供：CunworknoteS】.mp4 [32.1 MB]
📁 第13章 集成学习和随机森林
📁 第1章 欢迎来到Python3玩转机器学习
1-1 什么是机器学习.mp4 [55.7 MB]
1-2课程涵盖的内容和理念.mp4 [42.6 MB]
1-3课程所使用的技术栈.mp4 [56.9 MB]
📁 第5章 线性回归法
5-7多元线性回归和正规方程解.mp4 [33.3 MB]
5-4 衡量线性回归的指标.mp4 [56.6 MB]
5-6 最好的衡量线性回归法的指标.mp4 [56.1 MB]
5-9 使用Scilit-learn解决回归问题.mp4 [82.3 MB]
5-8 实现多元线性回归.mp4 [78.6 MB]
5-1 简单线性回归.mp4 [43.7 MB]
5-3 简单线性回归的实现.mp4 [75.7 MB]
5-10 线性回归的可解释性.mp4 [61.9 MB]
ISLR Seventh Printing.pdf [10.6 MB]
Mastering Feature Engineering Principles and Techniques for Data Scientists (Early Release)-O’reilly (2016).pdf [3.6 MB]
github地址【持续更新‖免费提供：CunworknoteS】.txt [108.0 B]

适合人群

• 机器学习初学者
• Python开发者

🎯 学习收获

• 掌握机器学习基础
• 学会经典算法应用
• 提升Python编程能力

🎉 祝您学习愉快！