| 资源(89) |
时长( 11:29:11) |
播放量(204575) |
机器学习-教学设计一体化方案202108 |
/
|
2636 |
|
机器学习-课程教学大纲2021 |
/
|
2642 |
|
机器学习-课程考核大纲202108 |
/
|
2583 |
1-1机器学习概述 |
/
|
2335 |
|
1-2机器学习常用工具介绍 |
/
|
2609 |
|
1-3Scikit-learn概览 |
/
|
2456 |
|
1-4案例-使用线性回归构建房价预测模型 |
/
|
2537 |
@1.1机器学习概述 |
00:14:47
|
2834 |
|
@1.2机器学习常用工具 |
00:17:50
|
2805 |
|
@1.3Scikit-learn概览 |
00:16:26
|
2746 |
|
讲义1-1 机器学习概述 |
/
|
2337 |
|
讲义1-2 机器学习常用框架 |
/
|
2241 |
|
@2.1数据预处理与预处理模块 |
00:08:32
|
2413 |
|
@2.2缺失值处理 |
00:16:08
|
2257 |
|
@2.3 离群值检测1 |
00:11:55
|
2229 |
|
@2.3 离群值检测2 |
00:15:52
|
2236 |
|
@2.4标准化 |
00:18:39
|
2203 |
|
@2.5 -1特征编码 |
00:07:33
|
2220 |
|
@2.5 -2特征离散化 |
00:16:09
|
2181 |
|
@3.1回归问题和Scikit-learn回归模块介绍 |
00:16:35
|
2147 |
|
@3.2线性回归 |
00:13:14
|
2172 |
|
@3.3-1线性回归问题 |
00:10:42
|
2163 |
|
@3.3-2偏差与方差 |
00:04:59
|
2159 |
|
@3.4-1稳健性回归 |
00:12:36
|
2147 |
|
@3.4-2其他回归方法 |
00:14:14
|
2127 |
|
@4.1-1 分类问题介绍 |
00:16:22
|
2117 |
|
@4.1-2 案例：根据多种特征预测学生的学业表现 |
00:04:23
|
2148 |
|
@4.2 逻辑回归 |
00:15:07
|
2129 |
|
@4.3 K近邻 |
00:16:10
|
2213 |
|
@4.4 决策树 |
00:19:43
|
2153 |
|
@4.5 朴素贝叶斯 |
00:18:04
|
2115 |
|
@4.6 支持向量机 |
00:14:43
|
2085 |
|
@5.1 聚类问题和cluster模块介绍 |
00:07:25
|
2084 |
|
@5.2 kmeans聚类 |
00:10:34
|
2093 |
|
@5.4 层次聚类 |
00:07:41
|
2089 |
|
@5.5 DBSCAN |
00:11:34
|
2089 |
|
@6.1-1 分类指标 |
00:19:51
|
2101 |
|
@6.1-2 分类指标 |
00:18:56
|
2069 |
|
@6.2 回归指标 |
00:06:08
|
2058 |
|
@6.3 聚类分析指标 |
00:11:16
|
2177 |
|
@6.4 交叉验证 |
00:16:42
|
2059 |
|
@6.5 参数调优 |
00:12:30
|
2080 |
|
@7.1-1 集成模型和ensemble模块介绍 |
00:06:59
|
2178 |
|
@7.1-2 Bagging |
00:13:39
|
2150 |
|
@7.2-1 AdaBoost |
00:12:02
|
2105 |
|
@7.2-2 GBDT |
00:08:32
|
2186 |
|
@7.3 VotingClassifier |
00:04:57
|
2165 |
|
@8.1 特征提取与特征选择概述 |
00:03:44
|
2173 |
|
@8.2-1 countvectorizer |
00:15:50
|
2394 |
|
@8.2-2 特征提取 |
00:05:49
|
2332 |
|
@8.3 过滤式 |
00:15:31
|
2329 |
|
@8.4 包裹式 |
00:05:44
|
2344 |
|
@8.5 嵌入式 |
00:03:20
|
2299 |
|
@9.3 非线性降维方法1 |
00:11:51
|
2405 |
|
@9.3 非线性降维方法2 |
00:09:16
|
2367 |
|
@9.3 非线性降维方法3 |
00:11:38
|
2334 |
|
@9.1 降维方法与sklearn降维模块概述 |
00:10:56
|
2334 |
|
@9.2 线性降维方法1 |
00:14:10
|
2315 |
|
@9.2 线性降维方法2 |
00:10:32
|
2307 |
|
@9.2 线性降维方法3 |
00:09:59
|
2377 |
|
2-3 数据标准化 |
/
|
2259 |
|
2-4 离散化与特征编码 |
/
|
2349 |
|
2-2 离群值检测 |
/
|
2293 |
|
2-1 数据预处理 |
/
|
2229 |
|
讲义2-1 数据预处理 |
/
|
2301 |
|
讲义2-2 离群值检测 |
/
|
2286 |
|
讲义2-3 数据标准化与归一化 |
/
|
2295 |
|
讲义2-4 离散型特征编码方式 |
/
|
2324 |
|
讲义2-5 特征提取方法_one-hot_TF-IDF |
/
|
2291 |
|
7-1 集成模型 |
/
|
2261 |
|
7-2 Bagging模型 |
/
|
2237 |
|
7-3 Boosting模型 |
/
|
2271 |
|
7-4 VotingClassifier模型 |
/
|
2282 |
|
8-1 特征提取 |
/
|
2234 |
|
8-2 特征选择 |
/
|
2220 |
|
9-1 降维方法与sklearn降维模块概述 |
/
|
2271 |
|
9-2-1 基于矩阵分解的降维方法（主成分分析） |
/
|
2240 |
|
9-2-2 基于矩阵分解的降维方法（线性判别分析） |
/
|
2231 |
|
9-2-3 基于矩阵分解的降维方法（非负矩阵分解） |
/
|
2384 |
|
9-3-1 基于流形学习的降维方法（局部线性嵌入） |
/
|
2326 |
|
9-3-2 基于流形学习的降维方法（多维尺度变换） |
/
|
2359 |
|
9-3-3 基于流形学习的降维方法（t-分布领域嵌入算法） |
/
|
2326 |
|
机器学习-教学设计一体化方案202108 |
/
|
2228 |
|
机器学习-课程教学大纲2021 |
/
|
2218 |
|
机器学习-课程考核大纲202108 |
/
|
2238 |
|
计算思维之问题求解思想及方法1 |
00:38:28
|
2831 |
|
计算思维之问题求解思想及方法4 |
00:10:39
|
2797 |
|
计算思维之问题求解思想及方法3 |
00:09:24
|
2830 |
|
计算思维之问题求解思想及方法2 |
00:12:51
|
2796 |
机器学习-教学设计一体化方案202108
1-1机器学习概述
@1.1机器学习概述