- 章节1: KNN近邻算法
- 课时1:KNN近邻算法基本原理及K值的选择方法 19:39
- 课时2:KNN算法距离准备及KNNR语言实现 18:26
- 课时3:案例一:用KNN算法对鸢尾花分类进行识别 29:57
- 课时4:案例二:用KNN算法诊断乳腺癌 19:37
- 课时5:案例三:用KNN算法对汽车类型进行识别 12:48
- 章节2: 朴素贝叶斯分类
- 课时6:朴素贝叶斯分类 30:46
- 课时7:朴素贝叶斯分类 46:01
- 课时8:案例一:基于朴素贝叶斯算法识别糖尿病患者 31:08
- 课时9:基于朴素贝叶斯算法识别手机垃圾短信 31:01
- 章节3: 决策树分类
- 课时10:决策树算法基本原理 23:15
- 课时11:ID3算法举例 20:57
- 课时12:决策树案例演示 45:44
- 章节4: 组合算法
- 课时13:组合方法基本原理及adaboost算法R语言实现 37:20
- 课时14:bagging分类R语言实现 06:15
- 课时15:随机森林及R语言实现 15:29