首页
文章
视频教程
问答
提问
写文章
登录
/
注册
课程
机器学习
Python3机器学习快速入门(黑马程序员)
Python3机器学习快速入门(黑马程序员)
本课程适合有python基础,一定的线性代数基础学员学习。
原创视频
5.0分
学习人数:16754
学习难度:初级
更新时间:2020-06-05
已学0%
学习耗时0分钟
开始学习
课程介绍
本课程由黑马程序员打造,快速带你入门机器学习。
喜欢就分享吧
课程目录
课程目录
共:5章 49节
人工智能和机器学习
1-1 人工智能概述
1-2 什么是机器学习
1-3 机器学习算法分类
1-4 机器学习开发流程
1-5 学习框架和资料介绍
数据集和数据处理
2-1 可用数据集
2-2 sklearn数据集使用
2-3 字典特征抽取
2-4 文本特征抽取CountVectorizer
2-5 中文文本特征抽取
2-6 文本特征抽取TfidfVevtorizer
2-7 数据预处理-归一化
2-8 数据预处理-标准化
降维
3-1 什么是降维
3-2 删除低方差特征与相关系数
3-3 主成分分析
3-4 instacart降维案例
3-5 总结
转换器、算法与模型
4-1 上节回顾
4-2 转换器与预估器
4-3 KNN算法
4-4 模型选择与调优
4-5 Facebook案例流程分析
4-6 Facebook案例代码实现
4-7 朴素贝叶斯算法原理
4-8 朴素贝叶斯算法对文本分类
4-9 认识决策树
4-10 决策树算法对鸢尾花分类
4-11 泰坦尼克号乘客分类案例流程分析
4-12 泰坦尼克号案例代码实现
4-13 随机森林
4-14 总结
线性模型与逻辑回归
5-1 上节回顾
5-2 线性模型
5-3 损失函数
5-4 优化方法1-正规方程
5-5 优化方法2-梯度下降
5-6 正规方程与梯度下降对比
5-7 梯度下降优化器
5-8 过拟合与欠拟合
5-9 岭回归
5-10 逻辑回归原理
5-11 逻辑回归对癌症分类
5-12 精确率、召回率、F1-score
5-13 ROC曲线与AUC指标
5-14 模型保存与加载
5-15 KMeans算法原理
5-16 聚类的模型评估
5-17 总结
学生反馈
5.0
课程评分
课程评分根据各个学生的评分和各种其他因素(如评分时间和可读性)计算得出,以确保评分公平准确地反映课程质量。
100%
%
%
%
%
讲师介绍
流芳
别懈怠