01_人工智能开发及远景介绍(预科)
1_何为机器学习
2_人工智能与机器学习关系
3_人工智能应用与价值
4_有监督机器学习训练流程
5_有监督机器学习训练流程
6_Python机器学习库Scikit-Learn介绍
7_理解线性与回归
02_线性回归深入和代码实现
01_机器学习是什么_(new)
02_怎么做线性回归_(new)
03_理解回归_最大似然函数_(new)
04_应用正太分布概率密度函数_对数总似然_(new)
05_推导出损失函数_推导出解析解_(new)
06_代码实现解析解的方式求解_梯度下降法的开始_sklearn模块使用线性回归_(new)
03_梯度下降和过拟合和归一化
01_梯度下降法思路_导函数有什么用
02_推导线性回归损失函数导函数_以及代码实现批量梯度下降
03_随机梯度下降_及代码实现_mini-batchGD_调整学习率
04_梯度下降做归一化的必要性
05_最大值最小值归一化_sklearn官网介绍_防止过拟合W越少越小
06_过拟合的总结
07_岭回归_以及代码调用
04_逻辑回归详解和应用
01_Lasso_ElasticNet_PolynomialFeatures
02_多项式回归代码_保险案例数据说明
03_相关系数_逻辑回归介绍
04_逻辑回归的损失函数_交叉熵_逻辑回归对比多元线性回归
05_逻辑回归sklearn处理鸢尾花数据集
06_逻辑回归多分类转成多个二分类详解
05_分类器项目案例和神经网络算法
01_理解维度_音乐分类器数据介绍
02_傅里叶变化原理_傅里叶代码应用_傅里叶优缺点
03_逻辑回归训练音乐分类器代码_测试代码
04_人工神经网络开始
05_神经网络隐藏层的必要性
06_神经网络案例_sklearn_concr