- 第1章 第一天
- 免费 课时1:机器学习简介 44 分56 秒
- 课时2:特征工程之字典特征抽取 20 分35 秒
- 课时3:特征工程之文本特征抽取以及中文问题 23 分42 秒
- 课时4:特征工程之文本tfidf 13 分33 秒
- 第2章 第二天
- 课时1:特征工程之特征预处理-归一化 10 分34 秒
- 课时2:特征工程之归一化以及标准化对比 33 分55 秒
- 第3章 第三天
- 课时1:特征工程-数据的降维之特征选择 37 分38 秒
- 课时2:降维案例(一) 18 分31 秒
- 课时3:降维案例(二) 10 分3 秒
- 课时4:机器学习算法分类以及开发流程 29 分3 秒
- 第4章 第四天
- 课时1:数据集的划分 1 分41 秒
- 课时2:转换器与估计器 17 分35 秒
- 课时3:k-近邻算法以及案例预测入住位置 49 分19 秒
- 课时4:K-近邻算法案例 20 分5 秒
- 课时5:k-近邻算法总结 9 分9 秒
- 第5章 第五天
- 课时1:交叉验证与网格搜索对K-近邻算法调优 26 分58 秒
- 课时2:决策树之信息论基础 22 分56 秒
- 课时3:决策树的划分以及案例 45 分31 秒
- 课时4:决策树的保存结果分析 5 分55 秒
- 第6章 第六天
- 课时1:线性回归的定义以及矩阵的运算 46 分29 秒
- 课时2:线性回归策略，优化，案例 55 分45 秒
- 课时3:线性回归两种求解方式总结 11 分38 秒
客服
