【Python】第17周数据分析与机器学习实战(下)-6-使用线性回归预测房价-CSDN就业班的在线视频教程

¥ 13815.00购买

你将收获

多项式回归逻辑回归 SVM支撑向量机决策树随机森林 Boosting 朴素贝叶斯

适用人群

所有人

课程介绍

本周课程讲解朴素贝叶斯、线性回归、逻辑回归、决策树、K-Means聚类算法，以及评估指标MSE、RMSE、MAE、和R Squared等，并使用回归算法进行房价预测，使用K-Means聚类算法进行公司客户分类实战。

课程讨论

Gy97010735

2020-02-10

对，要么在calc()函数中，修改为temp[item] = count / len(X)

asdted

2019-04-23

连续赶了一个月，终于跟上啦，学完了。后面好多算法，要回去复习一线线性代数。

大咖i

来源：K-Means对客户进行分类实战

2019-04-20

讲得挺清楚得，案例较少

weixin_44038978

2019-02-09

在朴素贝叶斯算法中，最后对鸡、兔、鸭做循环调用calc()函数时，应指明X_temp=X[y==i]，不然全用成y==鸡的len()了

Noriko若洋

2018-12-30

课程提供了很多算法，对于今后的学习，打好了很好的基础，老师讲的很详细。

爱吃的貔貅

来源：朴素贝叶斯算法原理

2018-12-26

P(B|A)中A（中暑）,B（春天），此时“中暑（A）”是分类标签，而在P（y|x）时，x又成了特征，y成了分类标签，那么这不应该是P(B|A)=P（x|y）?这两个公式又有什么可比性呢

阿基米东

来源：K-Means对客户进行分类实战

2018-12-13

一不小心就学完了，大家加油哦！