【课程内容】 01-上节回顾 01-人工智能概述 02-什么是机器学习 02-线性模 02-转换器与预估 03-knn算法 03-损失函数 03-机器学习算法分类 04-优化方法1-正规方程 04-机器学习开发流 04-模型选择与调 05-facebook案例流程分析 05-优化方法2-梯度下降 05-学习框架和资料介 06-facebook案例代码实现 06-可用数据 06-正规方程与梯度下降对 07-sklearn数据集使 07-朴素贝叶斯算法原 07-梯度下降优化 08-字典特征抽取 08-朴素贝叶斯算法对文本分类 08-过拟合与欠拟 09-岭回 09-文本特征抽取countvectorizer 09-认识决策 10-中文文本特征抽取 10-决策树算法对鸢尾花分 10-逻辑回归原理 11-文本特征抽取tfidfvevtorizer 11-泰坦尼克号乘客分类案例流程分 11-逻辑回归对癌症分 12-数据预处 归一 12-泰坦尼克号案例代码实 12-精确率、召回率、F1-score 13-roc曲线与Auc指标 13-数据预处 标准 13-随机森林 14-什么是降维 14-总结 14-模型保存与加 15-kmeans算法原理 15-删除低方差特征与相关系数 16-主成分分 16-聚类的模型评 17-instacart降维案例 18-总结 |
李小萌资源网所有素材均为本站用户上传,仅供学习与参考,请勿用于商业用途,如有侵犯您的版权请联系客服服务QQ
本站提供各类程序源码素材。
如果对本站有任何意见请点击右侧侧边栏的反馈意见,我们会及时处理。