导航
课程首页
  • PM-Summit 全球产品经理大会云会员
  • SDCon 全球软件研发技术大会云会员
  • ML-Summit 全球机器学习技术大会云会员
  • C++性能优化高端培训
  • AI全栈开发实战营
精品课 极客时间

C 知道

登录
会员中心
消息
历史
创作中心
创作
学习中心
成为讲师

Python机器学习

Python机器学习
共116节 3844人在学 课程详情
课程目录
讨论留言
  • 初识机器学习

    • 了解人工智能
    • 了解机器学习 - 1
    • 了解机器学习 - 2
    • 了解机器学习 - 3
    • 安装Python
    • 安装开发环境和必要的库
    • 第一个应用:鸢尾花分类 - 1
    • 第一个应用:鸢尾花分类 - 2
    • 第一个应用:鸢尾花分类 - 3
  • 监督学习 - 准备

    • 了解监督学习
    • 分类与回归
    • 泛化、过拟合与欠拟合
    • 监督学习算法 - 准备
  • 监督学习算法 - k近邻算法

    • k近邻算法应用于分类 - 1
    • k近邻算法应用于分类 - 2
    • k近邻算法应用于回归 - 1
    • k近邻算法应用于回归 - 2
    • k近邻算法小结
  • 监督学习算法 - 线性模型(回归)

    • 用于回归的线性模型
    • 普通最小二乘法(OLS)
    • 岭回归(Ridge)
    • 套索回归(Lasso)
    • 弹性网络回归(ElasticNet)
  • 监督学习算法 - 线性模型(分类)

    • 用于分类的线性模型(二分类) - 1
    • 用于分类的线性模型(二分类) - 2
    • 用于分类的线性模型(多分类)
    • 线性模型总结
  • 监督学习算法 - 朴素贝叶斯分类器

    • 了解朴素贝叶斯算法
    • 贝努利朴素贝叶斯
    • 高斯朴素贝叶斯
    • 多项式朴素贝叶斯
    • 朴素贝叶斯案例
  • 监督学习算法 - 决策树

    • 了解决策树
    • 构造决策树
    • 控制决策树的复杂度
    • 算法应用
  • 监督学习算法 - 决策树集成

    • 了解集成学习
    • 随机森林 - 1
    • 随机森林 - 2
    • 梯度提升树 - 1
    • 梯度提升树 - 2
  • 监督学习算法 - 核支持向量机

    • 了解支持向量机 - 1
    • 了解支持向量机 - 2
    • 线性模型与非线性特征
    • 核技巧与调参 - 1
    • 核技巧与调参 - 2
    • SVM预处理数据
    • 算法小结
  • 监督学习算法 - 神经网络

    • 神经网络原理
    • 激活函数
    • 神经网络算法参数、属性和方法
    • 神经网络调参 - 1
    • 神经网络调参 - 2
    • 实例:手写识别 - 1
    • 实例:手写识别 - 2
    • 算法小结
  • 监督学习 - 快速总结

    • 快速总结
  • 数据预处理与缩放

    • 了解数据预处理与缩放
    • StandardScaler
    • MinMaxScaler
    • RobustScaler
    • Normalizer
    • 通过数据预处理提高模型准确率
  • 无监督学习 - 准备

    • 了解无监督学习
  • 无监督学习 - 主成分分析

    • 了解主成分分析
    • 数据降维在可视化中的应用 - 1
    • 数据降维在可视化中的应用 - 2
    • 特征提取 - 1
    • 特征提取 - 2
    • 特征提取 - 3
  • 无监督学习 - 非负矩阵分解与流形学习

    • 非负矩阵分解
    • 流形学习
  • 无监督学习 - k均值聚类

    • 聚类
    • K-Means聚类
    • K-Means聚类实践 - 1
    • K-Means聚类实践 - 2
  • 无监督学习 - 凝聚聚类

    • 了解凝聚聚类
    • 凝聚聚类实例
  • 无监督学习 - 密度聚类

    • 了解密度聚类
    • 密度聚类实例
  • 无监督学习 - 聚类算法的评估

    • 用真实值评估聚类
    • 无真实值评估聚类
  • 无监督学习 - 快速总结

    • 快速总结
  • 数据表示与特征工程

    • 数据表达 - 1
    • 数据表达 - 2
    • 数据升维 - 1
    • 数据升维 - 2
    • 自动化特征选择 - 1
    • 自动化特征选择 - 2
    • 自动化特征选择 - 3
  • 模型评估 - 交叉验证

    • 交叉验证
    • 分层k折交叉验证和扩展策略 - 1
    • 分层k折交叉验证和扩展策略 - 2
  • 模型评估 - 网格搜索

    • 简单网格搜索
    • 参数过拟合的风险与验证集
    • 带交叉验证的网格搜索 - 1
    • 带交叉验证的网格搜索 - 2
    • 带交叉验证的网格搜索 - 3
  • 模型评估 - 二分类指标

    • 不平衡数据集
    • 混淆矩阵 - 1
    • 混淆矩阵 - 2
    • 不确定性评估
    • 准确率-召回率曲线 - 1
    • 准确率-召回率曲线 - 2
    • 观测者工作特征(ROC)与 AUC
  • 模型评估 - 多分类与回归指标

    • 多分类与回归指标
    • 在模型选择中使用评估指标
  • 建立算法的管道模型

    • 建立算法的管道模型 - 1
    • 建立算法的管道模型 - 2
    • 建立算法的管道模型 - 3
    • 建立算法的管道模型 - 4
    • 建立算法的管道模型 - 5
  • 泰坦尼克号生存预测

    • 第1部分 - 1
    • 第1部分 - 2
    • 第2部分 - 1
    • 第2部分 - 2
回复
切换为未回复评论
切换为时间正序
请发表友善的回复…
发表回复
播放页问题反馈
视频学习中有任何产品建议都可由此反
馈,我们将及时处理!

课时介绍

朴素贝叶斯案例

课程介绍

课程概述

【开发课程目的】
随着人工智能时代到来,人们的工作、生活和学习方式将发生颠覆性的变化。巨变中,传统行业或将改变、或将消失,同时也会有大量人工智能相关岗位涌现出来。Python作为人工智能产品开发的首选语言,自然成为需求热点,掌握Python编程技能已成为大势所趋。因此,我们设计开发了人工智能编程系列课程:
第一篇:Python编程基础
第二篇:Python数据分析
第三篇:Python机器学习
第四篇:Python深度学习
 
【机器学习课特色】
1、课程内容全面,包括13种监督学习模型、6种无监督学习模型、8种数据预处理与特征工程技术、10种模型调优技术与评估指标
2、课程开发与讲授为同一人,保持统一的风格和完整的课程体系。
3、通过人脸特征、手写数字、房价等19套数据集,一步一步培养和锻炼学员独立的分析和解决实际问题的能力。
4、课时安排紧凑、不冗长,保持学习兴趣。
5、从设计到实现,讲解不放过每一行代码,帮助学员快速形成编程能力。
6、案例丰富,包括鸢尾花分类、手写数字识别、人脸特征提取与重建、泰坦尼克号生存预测等十几个机器学习应用案例
 
【学习目标】
胜任Python机器学习岗位及相关工作
 
推荐课程

信息系统项目管理师自考笔记

李明 · 736人在学

python从0到1:期货量化交易系统(CTP实战,高频及合成K线数据

王先生 · 22147人在学

手把手搭建Java超市管理系统【附源码】(毕设)

汤小洋 · 4210人在学

Java毕设springboot外卖点餐系统 毕业设计毕设源码 使用教

黄菊华 · 791人在学

基于SSM酒店管理系统(毕设)

小尼老师 · 842人在学

java项目实战之购物商城(java毕业设计)

Long · 5157人在学

手把手搭建Java求职招聘系统【附源码】(毕设)

汤小洋 · 1508人在学

Python Django 深度学习 小程序

钟翔 · 2328人在学

城管局门前三包管理系统+微信小程序(vue+springboot)

赖国荣 · 600人在学

Vue+Uni-app(uniapp)入门与实战+赠送仿美团点餐小程序

李杰 · 3992人在学

正在试验
后自动删除环境
课程实验
本次实验时间已到期 00:00:00

    订阅失败

    Python机器学习
    Python机器学习 ...

    订阅列表已满,请先移出部分订阅内容。

    当前章节需购买后观看
    开通超级会员免费看!专家精选系列课程,满足你从入门到精通!更有问答月卡免费送,你的问题有问必答!
    提交答案

    购买课程

    扫码完成付费,可继续学习全部课程内容

    加载中...
    课件正在飞速打包中,请耐心等待几秒钟~
    首页
    博客
    下载
    学习
    社区
    C知道
    GitCode
    InsCodeAI
    技术会议
    会员中心
    创作中心
    联系我们
    工作时间: 8:30 - 22:00
    客服电话: 400-660-0108
    kefu@csdn.net在线客服
    • 关于我们
    • 招贤纳士
    • 商务合作
    • 寻求报道
    • 京ICP备19004658号
    • 经营性网站备案信息
    • 公安备案号11010502030143
    • 营业执照
    • 北京互联网违法和不良信息举报中心
    • 家长监护
    • 中国互联网举报中心
    • 网络110报警服务
    • Chrome商店下载
    • 账号管理规范
    • 版权与免责声明
    • 版权申诉
    • 出版物许可证
    • ©1999-2024北京创新乐知网络技术有限公司