机器学习讲解与实例解析

机器学习讲解与实例解析

机器学习

免费 2162 人学习

课程目标:

通俗易懂的原理讲解与实例代码结合带大家快速熟练掌握机器学习的经典算法 

 【温馨提示:1. 你可以在PC端浏览器或者微信收藏该页面,以方便你快速找到这个课程;2. 课程相关资料可在课程PC端公告查看下载;3.加入课程后,点(课时)列表即可观看视频 】


适用人群:

学生,机器学习/人工智能爱好者,人人皆可入门。 


课程简介:

机器学习的火爆程度相信同学们已经看到了,很多同学苦于这个领域门槛太高,入门难度较大,本课程旨在帮助大家轻松掌握机器学习中常用的经典算法,真正入门机器学习这个领域。课程的讲解以机器学习中的经典算法为核心,每一个算法都是先通过通俗易懂的原理讲解,再配上实例分析,最后完成整个算法的代码实现。


课程大纲:

第一章:机器学习概述

课时1:机器学习概述 一
课时2:机器学习概述 二

课时3:机器学习概述 三

课时4:机器学习概述 四

课时5:基础预测模型

课时6:分类,回归,聚类

课时7:区分三种机器学习问题

课时8:分类实例

课时9:回归问题和聚类问题实践

课时10:监督学习非监督学习概述

课时11:监督学习实践

课时12:非监督学习实践


第二章:性能测量

课时13:性能问题 概述  

课时14:混淆矩阵实践  

课时15:混淆矩阵中的比例  

课时16:回归中的rmse  

课时17:聚类问题的性能实践  

课时18:关于性能指标的几个问题  

课时19:训练集和测试集概述  

课时20:分割训练集实践  

课时21:先训练再测试  

课时22:交叉验证  

课时23:偏差方差概述  

课时24:过拟合实例  

课时25:提高模型的偏差


第三章:机器学习分类的问题

课时26:分类-决策树17:26

课时27:决策树实例讲解35:28

课时28:KNN原理介绍11:52

课时29:knn实例演示41:20

课时30:ROC介绍12:59

课时31:创建ROC曲线(1)04:53

课时32:创建ROC曲线(2)06:02

课时33:AUC 的产生06:01

课时34:比较ROC


友情提示

1、PC端如果发现浏览器无法观看课程,建议使用谷歌浏览器观看;移动端建议直接微信打开课程页面

2、【在微信加入课程的用户注意】请微信收藏课程页面或者关注微信公众号:天善智能(点“我的”即可查看你已加入的课程),已方便下次学习。

3、课程相关资料可在课程PC端公告查看下载;

4、加入学习后请添加客服微信:tianshanplus(请注明:公司+职位+姓名),邀请你加入微信课程群

111.jpg



改版

反馈