【D138】菊安酱的《机器学习实战》视频教程

内容介绍：
01.第1章 k-近邻算法
    任务01：第1期 k-近邻算法（完整版）.zip
    任务02： 1.机器学习概述.mp4
    任务03： 2.k-近邻算法原理.mp4
    任务04： 3.k-近邻的python实现.mp4
    任务05： 4.k-近邻算法之约会网站配对效果判定.mp4
    任务06： 5.k-近邻算法之手写数字识别.mp4
   
02.第2章 决策树
    任务07：第2期 决策树（完整版）.zip
    任务08： 1. 决策树原理简介.mp4
    任务09： 2. 决策树的构建准备工作.mp4
    任务10： 3. 递归构建决策树.mp4
    任务11： 4. 利用sklearn绘制决策树.mp4
    任务12： 5. 决策树的可视化.mp4
    任务13： 6. 使用决策树预测隐形眼镜类型.mp4
   
03.第3章 朴素贝叶斯
    任务14： 第3期 朴素贝叶斯 （完整版）.zip
    任务15： 1. 朴素贝叶斯概述.mp4
    任务16： 2. 朴素贝叶斯之鸢尾花数据实验.mp4
    任务17： 3. 朴素贝叶斯之言论过滤.mp4
    任务18： 4. 朴素贝叶斯之垃圾邮件过滤.mp4
    任务19： 5. kaggle比赛之“旧金山犯罪分类预测”.mp4
    任务20： 6. 算法总结.mp4
   
04.第4章 Logistic 回归
    任务21：第4期 logistic（完整版）.zip
    任务22： 1. logistic原理概述.mp4
    任务23： 2. 损失函数正则化.mp4
    任务24： 3. 梯度下降法.mp4
    任务25： 4. 梯度下降种类解析.mp4
    任务26： 5. 梯度下降求解逻辑回归.mp4
    任务27： 6. 病马案例.mp4
    任务28： 7. sklearn实现葡萄牙银行营销案例.mp4
    任务29： 8. 分类算法大比拼.mp4
    任务30： 9. 算法总结.mp4
   
05.第5章 支持向量机
    任务31：第5期 支持向量机（完整版）.zip
    任务33： 2. 补充数学公式.mp4
    任务34： 3. smo算法流程.mp4
    任务35： 4. 简化版smo算法.mp4
    任务36： 5. 完整版smo算法.mp4
    任务37： 6. 核函数.mp4
    任务38： 7. 非线性svm.mp4
    任务39： 8. 案例：svm之手写数字识别.mp4
    任务40： 9. 算法总结.mp4
   
06.第6章 AdaBoost算法
    任务41：第6期 Adaboost算法（完整版）.zip
    任务42： 1. 集成算法概念.mp4
    任务43： 2. adaboost算法步骤.mp4
    任务44： 3. 构建弱分类器.mp4
    任务45： 4. adaboost完整版函数.mp4
    任务46： 5. 案例：adaboost在病马数据集上的应用.mp4
    任务47： 6. 分类器衡量指标.mp4
    任务48： 7. 样本不均衡问题.mp4
    任务49： 8. 案例：套坦尼克号幸存者预测.mp4
   
07.第7章 线性回归
    任务50：第7期 线性回归（完整版）.zip
    任务51： 1. 线性回归概述.mp4
    任务52： 2. 线性回归的损失函数.mp4
    任务53： 3. 简单线性回归python实现.mp4
    任务54： 4. 局部加权线性回归.mp4
    任务55： 5. 案例：预测鲍鱼的年龄.mp4
    任务56： 6. 岭回归.mp4
    任务57： 7. lasso和向前逐步回归.mp4
    任务58： 8. 爬虫获取乐高交易数据.mp4
    任务59： 9. 乐高二手成交价预测.mp4

08.第8章 树回归
    任务60：第8期 树回归（完整版）.zip
    任务61： 1. 决策树回顾.mp4
    任务62： 2.cart算法概述.mp4
    任务63： 3. cart回归树的python实现.mp4
    任务64： 4. 回归树的sklearn实现.mp4
    任务65： 5. 树剪枝.mp4
    任务66： 6. 模型树.mp4
    任务67： 7. 回归树预测结果.mp4
    任务68： 8. 模型树和标准线性回归预测结果.mp4
    任务69： 9. 使用python的tkinter库创建gui.mp4
   
09.第9章 K-均值聚类算法
    任务70：第9期 K-均值聚类（完整版）.zip
    任务71： 1. 聚类分析概述.mp4
    任务72： 2. k均值算法原理.mp4
    任务73： 3. k均值算法的python实现（1）.mp4
    任务74： 4. k均值算法的python实现（2）.mp4
    任务75： 5. 算法验证.mp4
    任务76： 6. 误差平方和sse和学习曲线.mp4
    任务77： 7. 模型收敛稳定性探讨.mp4
    任务78： 8. 二分k均值法（1）.mp4
    任务79： 9. 二分k均值法（2）.mp4
    任务80： 10. 聚类模型评价指标.mp4
    任务81： 11. 轮廓系数的python实现.mp4
    任务82： 【附录1】距离类模型中距离的确定.mp4
    任务83： 【附录2】归一化处理.mp4
   
10.第10章 关联规则之Apriori
    任务84：课件、代码及数据集下载.zip
    任务85： 1 关联分析概述.mp4
    任务86： 2 频繁项集的评估标准：支持度&置信度.mp4
    任务87： 3 频繁项集的评估标准：提升度.mp4
    任务88： 4 关联规则的发现.mp4
    任务89： 5 apriori原理.mp4
    任务90： 6 apriori挖掘频繁项集（1）.mp4
    任务91： 7 apriori挖掘频繁项集（2）.mp4
    任务92： 8 apriori挖掘频繁项集（3）.mp4
    任务93： 9 apriori挖掘关联规则（1）.mp4
    任务94： 10 apriori挖掘关联规则（2）.mp4
    任务95： 11 案例：发现美国国会投票中的模式.mp4
    任务96： 12 案例：发现毒蘑菇的相似特征（1）.mp4
    任务97： 13 案例：发现毒蘑菇的相似特征（2）.mp4
    任务98： 14 案例：发现毒蘑菇的相似特征（3）.mp4

百度网盘下载地址：