We're sorry this project doesn't work properly without JavaScript enabled. Please enable it to continue.
欢迎来到璨博科技平台
问题答疑
精品课程
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
更多
  • 扫码下载Android
  • 扫码下载iOS
精品课程
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
    • 首页 - 课程列表 - 课程详情
    返回
    机器学习基础_天津现代职业技术学院
    课程类型：选修课
    主讲教师：
    课程来源：
    建议学分：0.00分
    课程编码：mk004989
    课程介绍
    课程目录
    教师团队
    {1}--项目一 项目环境的准备
    s [1.1.1]--1.1.1概述.mp4 （0分钟）
    s [1.1.2]--1.1.2机器学习发展简史.mp4 （0分钟）
    s [1.1.3]--1.1.3机器学习的一般步骤.mp4 （0分钟）
    s [1.1.4]--1.1.4机器学习的主要任务.mp4 （0分钟）
    s [1.1.5]--1.1.5模型评估.mp4 （0分钟）
    s [1.1.6]--1.1.6如何选择合适的算法.mp4 （0分钟）
    s [1.1.7]--1.1.7关键术语.mp4 （0分钟）
    s [1.2.1]--1.2.1K近邻.mp4 （0分钟）
    s [1.2.2]--1.2.2回归.mp4 （0分钟）
    s [1.2.3]--1.2.3决策树.mp4 （0分钟）
    s [1.2.4]--1.2.4贝叶斯分类.mp4 （0分钟）
    s [1.2.5]--1.2.5支持向量机.mp4 （0分钟）
    s [1.2.6]--1.2.6集成学习.mp4 （0分钟）
    s [1.2.7]--1.2.7聚类.mp4 （0分钟）
    s [1.2.8]--1.2.8深度神经网络.mp4 （0分钟）
    s [1.3.1]--1.3.1为什么选用Python.mp4 （0分钟）
    s [1.3.2]--1.3.2PyCharm、Python开发环境配置.mp4 （0分钟）
    s [1.3.3]--1.3.3Numpy安装与PyCharm引入.mp4 （0分钟）
    s [1.4.1]--1.4.1基本知识.mp4 （0分钟）
    s [1.4.2]--1.4.2机器学习案例电影分类业务.mp4 （0分钟）
    {2}--项目二 k近邻回归与分类
    s [2.1.1]--2.1.1什么是k近邻算法.mp4 （0分钟）
    s [2.1.2]--2.1.2Python实现K近邻算法.mp4 （0分钟）
    s [2.1.3]--2.1.3因子K的选择与过拟合问题.mp4 （0分钟）
    s [2.2.1]--2.2.1项目总流程-葡萄酒数据的准备.mp4 （0分钟）
    s [2.2.2]--2.2.1应用Pandas读取葡萄酒实验文本数据.mp4 （0分钟）
    s [2.2.3]--2.2.3数据分布可视化分析.mp4 （0分钟）
    s [2.2.4]--2.2.4数据清洗.mp4 （0分钟）
    s [2.2.5]--2.2.5数据标准化.mp4 （0分钟）
    s [2.2.6]--2.2.6k值的选择.mp4 （0分钟）
    s [2.2.7]--2.2.7构建完整可用的葡萄酒KNN分类器.mp4 （0分钟）
    s [2.2.8]--2.2.8结果分析.mp4 （0分钟）
    {3}--项目三 线性回归预测与逻辑回归分类
    s [3.1.1]--3.1.1基本形式.mp4 （0分钟）
    s [3.1.2]--3.1.2普通最小二乘法.mp4 （0分钟）
    s [3.1.3]--3.1.3回归方程评估.mp4 （0分钟）
    s [3.1.4]--3.1.4欠拟合问题.mp4 （0分钟）
    s [3.1.5]--3.1.5多重共线性的问题.mp4 （0分钟）
    s [3.1.6]--3.1.6岭回归.mp4 （0分钟）
    s [3.2.1]--3.2.1数据的准备.mp4 （0分钟）
    s [3.2.2]--3.2.2pandas读取数据.mp4 （0分钟）
    s [3.2.3]--3.2.3使用Matplotlib进行数据可视化分析.mp4 （0分钟）
    s [3.2.4]--3.2.4特征降维处理.mp4 （0分钟）
    s [3.2.5]--3.2.5线性回归模型降维分析.mp4 （0分钟）
    s [3.2.6]--3.2.6多项式特征生成.mp4 （0分钟）
    s [3.3.1]--3.3.1逻辑回归基本知识.mp4 （0分钟）
    s [3.3.2]--3.3.2鸢尾花逻辑回归分类.mp4 （0分钟）
    s [3.3.3]--3.3.3 性能指标ROC和AUC.mp4 （0分钟）
    {4}--项目四 决策树分类与回归
    s [4.1.1]--4.1.1概述.mp4 （0分钟）
    s [4.1.2]--4.1.2决策树归纳算法基本策略.mp4 （0分钟）
    s [4.1.3]--4.1.3树的划分规则.mp4 （0分钟）
    s [4.1.4]--4.1.4剪枝处理.mp4 （0分钟）
    s [4.2.1]--4.2.1决策树分类Python编程.mp4 （0分钟）
    {5}--项目五 贝叶斯分类
    {6}--项目六 支持向量机
    {7}--项目七 个体学习与集成学习
    {8}--项目八 聚类
    　|　 新ICP备2025018279号-1 　
    友情链接
    常见问题
    关于我们
    联系方式
    <script id="qd3009003893ac7e99a3534e8c64f80ffe1223154102" src="https://wp.qiye.qq.com/qidian/3009003893/ac7e99a3534e8c64f80ffe1223154102" charset="utf-8" async defer></script>