Python机器学习算法和实践

Python机器学习算法和实践
共46节 3804人在学 课程详情
  • K-Means算法

    • 课程概述
    • 理论+公式+实例
    • Python实战
    • 关键参数优化及其Python实现
  • Knn算法

    • 什么是Knn
    • 距离和相似性
    • Python实战一
    • Python实战二
  • 贝叶斯算法

    • 条件概率和概率论
    • 贝叶斯推断
    • Python实战
    • 高斯理论及贝叶斯优化
  • 决策树算法

    • 熵、信息增益和对数函数
    • 信息增益实例解读
    • Python实现
  • 线性回归算法

    • 损失函数分析
    • 方向导数和梯度理论
    • Python实战及局部加权优化
  • 逻辑回归算法

    • 线性回归到逻辑回归的分析
    • 数学分析与凸优化
    • 极大似然函数分析
    • Python实战及优化
  • 支持向量机(SVM)

    • 什么是SVM
    • SVM几何间距推导
    • 凸规划和KKT条件
    • SMO算法推导和总结
    • Python实战
    • SVM优化及Python实现
    • 非线性SVM、核函数及Python实现
  • AdaBoost算法

    • 单层决策树算法与弱分类器
    • 弱分类器集成实例解读
    • Python实现
  • PCA降维算法

    • 维度关系及变换基
    • 协方差和特征向量
    • Python实现和降维选择
  • 感知器算法

    • 神经元与感知器模型
    • Python实现
  • BP神经网络算法

    • 误差反向传播(一)
    • 误差反向传播(二)
    • 神经网络建模及总结
    • Python实战
  • 卷积神经网络

    • 卷积操作与特征选取
    • 单层卷积神经网络
    • 完整卷积神经网络
    • 神经网络建模推导及其总结
    • 卷积神经网络和Python实战

    订阅失败

    Python机器学习算法和实践
    Python机器学习算法和实践 ...

    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...
    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

    神经网络建模推导及其总结-卷积神经网络Python机器学习算法和实践

    课程介绍

    机器学习算法实战教程,包括各种常用机器学习算法,该课程教学视频以手写形式+普通话授课(类似斯坦福大学授课方式),+Python代码。经典算法进行原理推导与案例实战双管齐下,具体课程内容包括K-Means算法、KNN算法、贝叶斯算法、决策树算法、线性回归算法、逻辑回归算法、支持向量机(SVM)、AdaBoost算法、PCA降维算法、感知器算法、BP神经网络算法、卷积神经网络。
    推荐课程

    信息系统项目管理师自考笔记

    李明 · 861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 · 22629人在学

    手把手搭建Java超市管理系统【附源码】(毕设)

    汤小洋 · 4280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 · 824人在学

    基于SSM酒店管理系统(毕设)

    小尼老师 · 889人在学

    java项目实战之购物商城(java毕业设计)

    Long · 5193人在学

    手把手搭建Java求职招聘系统【附源码】(毕设)

    汤小洋 · 1524人在学

    Python Django 深度学习 小程序

    钟翔 · 2386人在学

    城管局门前三包管理系统+微信小程序(vue+springboot)

    赖国荣 · 661人在学

    Vue+Uni-app(uniapp)入门与实战+赠送仿美团点餐小程序

    李杰 · 4063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
    课件正在飞速打包中,请耐心等待几秒钟~