名称：B站 - 机器学习必修课：经典AI算法与编程实战 瞿炜

描述：集齐人工智能十大经典算法、百张知识脑图，带你轻松上手实战。

链接：https://www.alipan.com/s/QHkFSecEu13

目录：

01-1课程内容和理念.mp4

01-2初识机器学习.mp4

01-3课程使用的技术栈.mp4

02-1本章总览,mp4

02-2数据长什么样:常见数据集、典型实例、如何使用.mp4

02-3研究哪些问题:分类、回归等.mp4

02-4如何分门别类:监督、无监督、强化学习等.mp4

02-5机器学习的七大常见误区和局限.mp4

03-10Numpy数组矩阵运算:一元运算、二元运算与矩阵运算.mp4

03-11Numpy数组统计运算:常用的都在这儿了.mp4

03-12Numpy数组arg运算和排序.mp4

03-13Numpy数组神奇索引和布尔索引.mp4

03-14Matplotlib数据可视化:基础绘制与设置.mp4

03-1本章总览:相互关系与学习路线.mp4

03-2Anaconda图形化操作.mp4

03-3Anaconda命令行操作.mp4

03-4JupyterNotebook基础使用.mp4

03-5JupyterNotebook高级使用:常用魔法命令.mp4

03-6Numpy基础:安装与性能对比.mp4

03-7Numpy数组创建:特定数组、等差数组、随机数组,mp4

03-8Numpy数组基础索引:索引和切片.mp4

03-9Numpy非常重要的数组合并与拆分操作.mp4

04-1本章总览.mp4

04-2KNN算法核心思想和原理.mp4

04-3KNN分类任务代码实现.mp4

04-4数据集划分:训练集与预测集,mp4

04-5模型评价.mp4

04-6超参数.mp4

04-7特征归一化.mp4

04-8KNN回归任务代码实现.mp4

04-9KNN优缺点和适用条件.mp4

05-10复杂逻辑回归及代码实现.mp4

05-11线性算法优缺点和适用条件.mp4

05-1本章总览.mp4

05-2线性回归核心思想和原理.mp4

05-3逻辑回归核心思想和原理.mp4

05-4线性回归代码实现,mp4

05-5模型评价:MSE、RMSE、MAE和R方.mp4

05-6多项式回归代码实现.mp4

05-7逻辑回归算法.mp4

05-8线性逻辑回归代码实现.mp4

05-9多分类策略,mp4

06-10LASSO和岭回归代码实现.mp4

06-11模型泛化mp4

06-12评价指标:混淆矩阵、精准率和召回率.mp4

06-13评价指标:ROC曲线.mp4

06-1本章总览,mp4

06-2损失函数.mp4

06-3梯度下降.mp4

06-4决策边界.mp4

06-5过拟合与欠拟合.mp4

06-6学习曲线.mp4

06-7交叉验证.mp4

06-8模型误差.mp4

06-9正则化mp4

07-1本章总览.mp4

07-2决策树核心思想和原理,mp4

07-3信息熵,mp4

07-4决策树分类任务代码实现mp4

07-5基尼系数.mp4

07-6决策树剪枝.mp4

07-7决策树回归任务代码实现mp4

07-8决策树优缺点和适用条件.mp4

08-1本章总览.mp4

08-2神经网络核心思想和原理,mp4

08-3激活函数.mp4

08-4正向传播与反向传播.mp4

08-5梯度下降优化算法.mp4

08-6神经网络简单代码实现mp4

08-7梯度消失和梯度爆炸.mp4

08-8模型选择.mp4

08-9神经网络优缺点和适用条件.mp4

09-10SVM优缺点和适用条件.mp4

09-1本章总览.mp4

09-2SVM核心思想和原理,mp4

09-3硬间隔SVM.mp4

09-4SVM软间隔.mp4

09-5线性SVM分类任务代码实现,mp4

09-6非线性SVM:核技巧.mp4

09-7SVM核函数.mp4

09-8非线性SVM代码实现mp4

09-9SVM回归任务代码实现,mp4

10-1本章总览.mp4

10-2贝叶斯方法核心思想和原理,mp4

10-3朴素贝叶斯分类.mp4

10-4朴素贝叶斯的代码实现mp4

10-5多项式朴素贝叶斯代码实现.mp4

10-6贝叶斯方法优缺点和适用条件.mp4

11-1本章总览.mp4

11-2集成学习核心思想和原理,mp4

11-3集成学习代码实现mp4

11-4并行策略:Bagging、OOB等方法,mp4

11-5并行策略:随机森林.mp4

11-6串行策略:Boosting.mp4

11-7结合策略:Stacking方法.mp4

11-8集成学习优缺点和适用条件.mp4

12-1本章总览.mp4

12-2聚类算法核心思想和原理.mp4

12-3k-means和分层聚类.mp4

12-4聚类算法代码实现mp4

12-5聚类评估代码实现mp4

12-6聚类算法优缺点和适用条件.mp4

13-1本章总览,mp4

13-2PCA核心思想和原理,mp4

13-3PCA求解算法.mp4

13-4PCA算法代码实现,mp4

13-5降维任务代码实现.mp4

13-6PCA在数据降噪中的应用.mp4

13-7PCA在人脸识别中的应用.mp4

13-8主成分分析优缺点和适用条件.mp4

14-1本章总览.mp4

14-2概率图模型核心思想和原理,mp4

14-3EM算法参数估计.mp4

14-4隐马尔可夫模型代码实现,mp4

14-5概率图模型优缺点和适用条件.mp4

15-1本章总览.mp4

15-2泰坦尼克生还预测.mp4

15-3房价预测.mp4

15-4交易反欺诈代码实现.mp4

15-5如何深入研究机器学习.mp4