|__第6章 梯度下降法
|__6-6 随机梯度下降法.mp4 160.20MB
|__6-2 模拟实现梯度下降法.mp4 185.39MB
|__6-5 梯度下降的向量化和数据标准化.mp4 203.32MB
|__6-9 有关梯度下降法的更多深入讨论.mp4 24.82MB
|__6-3 线性回归中的梯度下降法.mp4 70.44MB
|__6-1 什么是梯度下降法.mp4 44.18MB
|__6-7 scikit-learn中的随机梯度下降法.mp4 132.43MB
|__6-4 实现线性回归中的梯度下降法.mp4 136.93MB
|__6-8 如何确定梯度计算的准确性 调试梯度下降法.mp4 113.13MB
|__第11章 支撑向量机 SVM
|__11-5.mp4 84.85MB
|__11-3.mp4 39.69MB
|__11-9.mp4 91.60MB
|__11-6.mp4 40.05MB
|__11-8.mp4 76.38MB
|__第4章 最基础的分类算法-k近邻算法 kNN
|__第10章 评价分类结果
|__第3章 Jupyter Notebook, numpy和m
|__第2章 机器学习基础
|__第9章 逻辑回归
|__第1章 欢迎来到 Python3 玩转机器学习
|__第7章 PCA与梯度上升法
|__第14章 更多机器学习算法
|__第8章 多项式回归与模型泛化
|__第12章 决策树
|__第5章 线性回归法
|__第13章 集成学习和随机森林
|__project (1).zip 5.00KB
|__project0.zip 4.73MB