慕课-燕京理工学院

机器学习_安徽工业大学

课程类型：选修课

发布时间：2024-11-27 11:27:36

主讲教师：

课程来源：

建议学分：0.00分

课程编码：mk004980

课程介绍

课程目录

教师团队

{10}--支持向量机

[10.10]--9 代码实战：SVR预测空气质量指数.mp4 （0分钟）

[10.1]--1 超平面.mp4 （0分钟）

[10.2]--2 SVM基本问题.mp4 （0分钟）

[10.3]--3 拉格朗日对偶函数与KKT条件.mp4 （0分钟）

[10.4]--式 6.11求导过程.mp4 （0分钟）

[10.5]--4 SMO算法.mp4 （0分钟）

[10.6]--5 软间隔与正则化.mp4 （0分钟）

[10.7]--6 核函数与核方法.mp4 （0分钟）

[10.8]--7 代码实战：SVM预测乳腺癌.mp4 （0分钟）

[10.9]--8 支持向量回归.mp4 （0分钟）

{11}--贝叶斯分类器

[11.1]--贝叶斯定理.mp4 （0分钟）

[11.2]--朴素贝叶斯分类器原理.mp4 （0分钟）

[11.3]--49 连续值处理方法.mp4 （0分钟）

[11.4]--50 代码实战：用sklearn实现贝叶斯分类器预测银行营销数据.mp4 （0分钟）

{12}--集成学习

[12.1]--51 集成学习与Boosting.mp4 （0分钟）

[12.2]--52 AdaBoost算法详解.mp4 （0分钟）

[12.3]--53 代码实战：用AdaBoost预测乳腺癌数据.mp4 （0分钟）

[12.4]--54 Bagging与随机森林.mp4 （0分钟）

[12.5]--54 代码实战：用随机森林预测银行营销数据.mp4 （0分钟）

[12.6]--55 集成学习组合策略.mp4 （0分钟）

{13}--聚类算法

[13.1]--57 聚类算法概述.mp4 （0分钟）

[13.2]--58 K-Means算法.mp4 （0分钟）

[13.3]--录制_2021_03_03_19_03_12_810.mp4 （0分钟）

{14}--降维算法

[14.1]--录制_2021_03_10_10_34_34_518.mp4 （0分钟）

[14.2]--录制_2021_03_10_11_22_00_172.mp4 （0分钟）

[14.3]--62 PCA降维算法2.mp4 （0分钟）

[14.4]--代码实战：用Sklearn实现PCA算法.mp4 （0分钟）

{15}--final-exam

{1}--荣誉证书：示范教学课程

{2}--机器学习1 绪论

[2.1]--机器学习1 绪论.mp4 （0分钟）

{3}--机器学习2 数学基础

[3.1.1]--机器学习2 数学基础.mp4 （0分钟）

[3.1.2]--meeting_01.mp4 （0分钟）

{4}--3 机器学习基础

[4.1]--3 机器学习基础.mp4 （0分钟）

{5}--4 科学计算库Numpy

[5.1]--4 科学计算库Numpy.mp4 （0分钟）

{6}--线性回归

[6.10]--9 代码实战：随机梯度下降算法.mp4 （0分钟）

[6.11]--10 代码实战：小批量梯度下降算法(1).mp4 （0分钟）

[6.12]--11 多项式回归及代码实现.mp4 （0分钟）

[6.13]--12 过拟合与欠拟合、正则化、岭回归、Lasso回归.mp4 （0分钟）

[6.1]--5 线性回归之一元线性回归.mp4 （0分钟）

[6.3.1]--6 多元线性回归模型推导.mp4 （0分钟）

[6.3.2]--meeting_01(1).mp4 （0分钟）

[6.4]--7 代码实战：用解析解求解多元线性回归模型.mp4 （0分钟）

[6.5]--问卷星的使用.mp4 （0分钟）

[6.6]--8 代码实战：用Sklearn实现多元线性回归模型及模型的保存与.mp4 （0分钟）

[6.7.1]--9 梯度下降算法.mp4 （0分钟）

[6.7.2]--meeting_01(2).mp4 （0分钟）

[6.8]--10 代码实战：批量梯度下降算法.mp4 （0分钟）

[6.9]--8 模型的评价.mp4 （0分钟）

{7}--对数几率回归

[7.1.1]--对数几率回归.mp4 （0分钟）

[7.1.2]--meeting_01(3).mp4 （0分钟）

[7.2.1]--极大似然函数与对数几率回归公式详细推导.mp4 （0分钟）

[7.2.2]--极大似然法.mp4 （0分钟）

[7.3]--代码实战：用sklearn实现对数几率回归.mp4 （0分钟）

[7.4]--11 分类问题的模型评价及代码实现.mp4 （0分钟）

[7.5]--12 用sklearn实现多分类任务.mp4 （0分钟）

{8}--exam

{9}--决策树

[9.1.1]--13 决策树基本概念.mp4 （0分钟）

[9.1.2]--meeting_02.mp4 （0分钟）

[9.2]--14 信息量信息熵.mp4 （0分钟）

[9.3]--15 信息增益及计算实例.mp4 （0分钟）

[9.4]--16 信息增益计算.mp4 （0分钟）

[9.5]--17用sklearn实现决策树预测肿瘤.mp4 （0分钟）

[9.6]--6 ID3缺点分析、C4.5、CART决策树.mp4 （0分钟）

[9.7]--7 基尼指数计算实例、预剪枝与后剪枝.mp4 （0分钟）