学习资源站

首页视频课程学习专栏

机器学习体系化入门：分类、回归、神经网络到部署全搞定

← 返回课程列表

#1 欢迎参加《机器学习》课程播放
#2 什么是机器学习？播放
#3 监督学习播放
#4 无监督学习播放
#5 模型描述播放
#6 代价函数播放
#7 代价函数（一）播放
#8 代价函数（二）播放
#9 梯度下降播放
#10 梯度下降知识点总结播放
#11 线性回归的梯度下降播放
#12 矩阵和向量播放
#13 加法和标量乘法播放
#14 矩阵向量乘法播放
#15 矩阵乘法播放
#16 矩阵乘法特征播放
#17 逆和转置播放
#18 多功能播放
#19 多元梯度下降法播放
#20 多元梯度下降法演练.I.–.特征缩放播放
#21 多元梯度下降法II.–.学习率播放
#22 特征和多项式回归播放
#23 正规方程（区别于迭代方法的直接解法）播放
#24 正规方程在矩阵不可逆情况下的解决方法播放
#25 导师的编程小技巧播放
#26 基本操作播放
#27 移动数据播放
#28 计算数据播放
#29 数据绘制播放
#30 控制语句：for，while，if.语句播放
#31 矢量. 播放
#32 分类播放
#33 假设陈述播放
#34 决策界限播放
#35 代价函数播放
#36 简化代价函数与梯度下降播放
#37 高级优化播放
#38 多元分类：一对多播放
#39 过拟合问题播放
#40 代价函数播放
#41 线性回归的正则化播放
#42 Logistic.回归的正则化播放
#43 非线性假设播放
#44 神经元与大脑播放
#45 模型展示Ⅰ 播放
#46 模型展示Ⅱ 播放
#47 例子与直觉理解Ⅰ 播放
#48 例子与直觉理解Ⅱ 播放
#49 多元分类播放
#50 代价函数播放
#51 反向传播算法播放
#52 理解反向传播播放
#53 使用注意：展开参数播放
#54 梯度检测播放
#55 随机初始化播放
#56 组合到一起播放
#57 无人驾驶播放
#58 决定下一步做什么播放
#59 评估假设播放
#60 模型选择和训练、验证、测试集播放
#61 诊断偏差与方差播放
#62 正则化和偏差、方差播放
#63 学习曲线播放
#64 决定接下来做什么播放
#65 确定执行的优先级播放
#66 误差分析播放
#67 不对称性分类的误差评估播放
#68 精确度和召回率的权衡播放
#69 机器学习数据播放
#70 优化目标播放
#71 直观上对大间隔的理解播放
#72 大间隔分类器的数学原理播放
#73 核函数1 播放
#74 核函数2 播放
#75 使用SVM 播放
#76 无监督学习播放
#77 K-Means算法播放
#78 优化目标播放
#79 随机初始化播放
#80 选取聚类数量播放
#81 目标.I：数据压缩播放
#82 目标.II：可视化播放
#83 主成分分析问题规划1 播放
#84 主成分分析问题规划2 播放
#85 主成分数量选择播放
#86 压缩重现播放
#87 应用.PCA.的建议播放
#88 问题动机播放
#89 高斯分布播放
#90 算法播放
#91 开发和评估异常检测系统播放
#92 异常检测.VS.监督学习播放
#93 选择要使用的功能播放
#94 多变量高斯分布播放
#95 使用多变量高斯分布的异常检测播放
#96 问题规划. 播放
#97 基于内容的推荐算法播放
#98 协同过滤播放
#99 协同过滤算法播放
#100 矢量化：低轶矩阵分解播放
#101 实施细节：均值规范化播放
#102 学习大数据集播放
#103 随机梯度下降播放
#104 Mini-Batch.梯度下降播放
#105 随机梯度下降收敛播放
#106 在线学习播放
#107 减少映射与数据并行播放
#108 问题描述与.OCR.pipeline 播放
#109 滑动窗口播放
#110 获取大量数据和人工数据播放
#111 天花板分析：下一步工作的.pipeline 播放
#112 总结与感谢播放

学习资源聚合站

仅供学习交流使用，请支持正版