- 00_为什么要学习数学
- 01_引言和学习方法
- 02_feature和label
- 03_什么是机器学习
- 04_数据采集方式
- 05_knn算法入门
- 06_knn算法python实现
- 07_代码流程回顾
- 08_抽取knn函数
- 09_实验演示验证结论
- 10_评估模型好坏的方法，训练集和测试集
- 11_生成测试和训练数据集
- 12_调参选取最优的
- 13_增加数据的维度
- 14_numpy加载特殊数据
- 15_欧式距离
- 16_二维空间距离的计算
- 17_代码增加一个维度
- 18_数据归一化
- 19_knn的feature的选择
- 20_向量和向量的运算
- 21_概念总结
- 22_使用矩阵和向量实现knn
- 23_ 房价预测简单框架
- 24_数据的归一化和标准化
- 附：问题1
- 附1_如何学习数学
- 01_线性回归和Knn
- 02_线性回归解决什么问题
- 03_Excel进行线性回归
- 04_损失函数和最小均方差
- 05_excle来简单理解梯度下降
0/1024
暂无留言
提交答案