尚硅谷AI大模型机器学习 2025年8月

admin

001_机器学习课程简介.mp4
002_数学基础_导数的概念和基本公式.mp4
003_数学基础_基本求导法则.mp4
004_数学基础_用导数求极值和二阶导数.mp4
005_数学基础_代码绘制导函数图像.mp4
006_数学基础_偏导数.mp4
007_数学基础_方向导数.mp4
008_数学基础_梯度.mp4
009_数学基础_标量与向量.mp4
010_数学基础_向量代码测试.mp4
011_数学基础_矩阵概念及基本运算.mp4
012_数学基础_矩阵基本运算代码测试.mp4
013_数学基础_矩阵的其它运算和张量.mp4
014_数学基础_矩阵其它运算代码测试.mp4
015_数学基础_矩阵求导.mp4
016_数学基础_梯度矩阵.mp4
017_数学基础_概率的基本概念和计算.mp4
018_数学基础_概率分布.mp4
019_数学基础_贝叶斯定理.mp4
020_数学基础_似然函数和极大似然估计.mp4
021_机器学习_概述.mp4
022_机器学习_概念范畴.mp4
023_机器学习_发展历史.mp4
024_机器学习_应用领域.mp4
025_机器学习_基本术语.mp4
026_机器学习_分类.mp4
027_机器学习_常见方法.mp4
028_核心原理_监督学习建模流程.mp4
029_核心原理_特征工程_整体介绍.mp4
030_核心原理_特征工程_低方差过滤法.mp4
031_核心原理_特征工程_相关系数法_Pearson.mp4
032_核心原理_特征工程_相关系数法_Spearman.mp4
033_核心原理_特征工程_PCA降维.mp4
034_核心原理_损失函数.mp4
035_核心原理_经验误差和泛化误差.mp4
036_核心原理_欠拟合和过拟合.mp4
037_核心原理_拟合案例_整体思路.mp4
038_核心原理_拟合案例_导入模块和生成数据.mp4
039_核心原理_拟合案例_欠拟合.mp4
040_核心原理_拟合案例_恰好拟合和过拟合.mp4
041_核心原理_正则化.mp4
042_核心原理_正则化案例.mp4
043_核心原理_交叉验证.mp4
044_核心原理_模型求解_解析法.mp4
045_核心原理_模型求解_梯度下降法.mp4
046_核心原理_模型求解_梯度下降法案例1.mp4
047_核心原理_模型求解_梯度下降法案例2.mp4
048_核心原理_模型求解_学习率测试.mp4
049_核心原理_模型求解_梯度下降法的应用.mp4
050_核心原理_模型求解_牛顿法和拟牛顿法.mp4
051_核心原理_回归评价指标.mp4
052_核心原理_分类评价指标_混淆矩阵.mp4
053_核心原理_分类评价指标_准确率、精确率、召回率和F1.mp4
054_核心原理_分类评价指标_评估报告.mp4
055_核心原理_分类评价综合案例.mp4
056_核心原理_分类评价指标_ROC曲线.mp4
057_核心原理_分类评价指标_AUC.mp4
058_KNN_基本原理.mp4
059_KNN_分类示例代码.mp4
060_KNN_回归示例代码.mp4
061_KNN_常见距离度量方法.mp4
062_KNN_归一化.mp4
063_KNN_归一化代码测试.mp4
064_KNN_标准化.mp4
065_KNN_心脏病检测案例_数据集加载.mp4
066_KNN_心脏病检测案例_特征工程.mp4
067_KNN_心脏病检测案例_模型训练、保存和预测.mp4
068_KNN_心脏病检测案例_网格搜索和交叉验证.mp4
069_线性回归_基本概念和应用.mp4
070_线性回归_API调用.mp4
071_线性回归_损失函数.mp4
072_线性回归_一元线性回归解析解.mp4
073_线性回归_正规方程法求解.mp4
074_线性回归_API调用_截距参数.mp4
075_线性回归_梯度下降法.mp4
076_线性回归_梯度下降法_手动代码实现.mp4
077_线性回归_梯度下降法API_SGDRegressor.mp4
078_线性回归_梯度下降法案例_广告效果预测.mp4
079_逻辑回归_基本原理和应用.mp4
080_逻辑回归_损失函数.mp4
081_逻辑回归_损失函数的梯度.mp4
082_逻辑回归_API介绍.mp4
083_逻辑回归案例_心脏病检测.mp4
084_逻辑回归_多分类_OVR.mp4
085_逻辑回归_多分类_Softmax回归.mp4
086_逻辑回归案例_手写数字识别_数据集加载.mp4
087_逻辑回归案例_手写数字识别_模型训练和预测.mp4
088_感知机_基本原理.mp4
089_感知机_表示逻辑门电路.mp4
090_感知机_逻辑门代码实现_与门.mp4
091_感知机_逻辑门代码实现_与非门和或门.mp4
092_感知机_感知机的局限.mp4
093_感知机_多层感知机实现异或门.mp4
094_朴素贝叶斯_基本原理.mp4
095_朴素贝叶斯_极大似然估计.mp4
096_朴素贝叶斯_贝叶斯估计.mp4
097_朴素贝叶斯_学习和分类.mp4
098_决策树_基本原理.mp4
099_决策树_工作过程.mp4
100_决策树_信息熵和条件熵.mp4
101_决策树_信息增益和ID3.mp4
102_决策树_信息增益率和C4.5.mp4
103_决策树_基尼指数和CART.mp4
104_决策树_剪枝.mp4
105_SVM_基本介绍.mp4
106_SVM_线性可分SVM.mp4
107_SVM_线性SVM.mp4
108_SVM_非线性SVM.mp4
109_集成学习_基本概念和分类.mp4
110_集成学习_AdaBoost.mp4
111_集成学习_随机森林.mp4
112_无监督学习_聚类_整体介绍.mp4
113_无监督学习_聚类_K-means.mp4
114_无监督学习_聚类_层次聚类.mp4
115_无监督学习_聚类_密度聚类.mp4
116_无监督学习_聚类_KMeans代码示例.mp4
117_无监督学习_聚类_评价指标.mp4
118_无监督学习_降维_SVD基本原理.mp4
119_无监督学习_降维_SVD代码调用.mp4
120_无监督学习_降维_PCA.mp4
代码.zip
测试数据.zip
资料&算法图都在笔记中.zip

下载

游客，如果您要查看本帖隐藏内容请回复