本课程提供了机器学习和统计模式识别的广泛介绍。主题包括:监督学习(生成/判别学习,参数化/非参数化学习,支持向量机);无监督学习(聚类,降维,核方法);学习理论(偏差/方差权衡;VC理论;大边界);获得完整的机器学习工具集,以解决大多数现实世界问题了解各种回归、分类和其他机器学习算法的性能指标,如R平方、MSE、准确性、混淆矩阵等,以及何时使用它们。通过装袋、提升或堆叠结合多个模型利用无监督机器学习(ML)算法,如层次聚类、k均值聚类等,来理解你的数据在Spyder和各种IDE中进行开发用Matplotlib和Seaborn进行视觉和有效的沟通为了改善算法预测,工程新特性利用训练/测试、K折和分层K折交叉验证来选择正确的模型,并预测模型在未知数据上的表现使用SVM进行手写识别和分类问题使用决策树预测员工流失等等!不需要机器学习。虽然有一些基本的Python经验会有所帮助,但不需要任何先前的Python知识,因为所有代码将提供,并且讲师将逐行讲解,你将在问答区获得友好的支持。如果你想要跟上机器学习的浪潮,并享受数据科学家的薪水,那么这门课程就是为你准备的!参加这门课程,成为一名机器学习工程师!

MP4 | 视频:h264,1920×1080 | 音频:AAC,44.1千赫
语言:英语 | 大小:7.53 GB | 课程时长:11小时36分钟

学习如何使用不同数据集在Python中创建机器学习算法

你将学到什么
解释约15种不同数据集的机器学习算法以及15个练习任务
监督学习和无监督学习模型,主成分分析(PCA)
用强大的机器学习模型解决你的业务、工作或个人生活中的任何问题
训练机器学习算法以预测房价,识别手写,检测癌细胞等

要求
需要基本的Python编程知识
对线性代数和统计学有很好的理解

课程适用于有意愿和兴趣学习Python中的机器学习算法的任何人,希望选择数据科学、人工智能、机器学习、数据分析职业的任何人,希望超越基础知识并了解整个机器学习算法范围的任何人。

课程目录:
第1部分:介绍

讲座1 什么是机器学习

讲座2 学习机器学习所需的关键技能

讲座3 监督学习与无监督学习

讲座4 因变量与自变量

讲座5 本课程涵盖内容

讲座6 基本Python概念

第2部分:机器学习简介和Anaconda安装

讲座7 机器学习简介

讲座8 Anconda安装

第3部分:探索性数据分析

讲座9 什么是探索性数据分析(EDA)

讲座10 了解数据集的初始细节

讲座11 修改或删除不需要的数据

讲座12 检索数据

讲座13 统计信息

讲座14 绘制图形

讲座15 EDA作业

第4部分:异常值

讲座16 什么是异常值

讲座17 查找异常值

讲座18 IQR和处理异常值

第5部分:简单线性回归

讲座19 什么是回归

讲座20 什么是简单线性回归模型

讲座21 什么是R平方值

讲座22 简单线性回归程序-1

讲座23 简单线性回归程序-2(训练和测试数据)

第6部分:多元线性回归

讲座24 什么是多元线性回归

讲座25 多元线性回归-程序1

第7部分:独热编码

讲座26 什么是独热编码

讲座27 独热编码-第一种方式

讲座28 独热编码-第二种方式

讲座29 独热编码-程序1

讲座30 独热编码-程序2(第三种方式)

第8部分:多项式线性回归

讲座31 什么是多项式线性回归

讲座32 多项式线性回归程序-1

第9部分:岭回归

讲座33 什么是偏差和方差

讲座34 什么是正则化

讲座35 岭回归-程序1

讲座36 岭回归-作业

第10部分:套索回归

讲座37 什么是套索回归和实践程序-1

第11部分:弹性网络回归

讲座38 什么是弹性网络回归和实践程序-1

第12部分:逻辑回归

讲座39 什么是逻辑回归和程序-1

第13部分:支持向量机(SVM)

讲座40 什么是支持向量机

第14部分:朴素贝叶斯分类

讲座41 什么是朴素贝叶斯分类

讲座42 朴素贝叶斯分类程序-1

讲座43 朴素贝叶斯分类程序-2

第15部分:KNN分类器

讲座44 KNN分类器定义及其实践程序-1

第16部分:决策树

讲座45 决策树定义及其程序-1

第17部分:随机森林

讲座46 随机森林定义及其实践程序-1

第18部分:K均值聚类(无监督模型)

讲座47 什么是K均值聚类

讲座48 K均值聚类程序-1

第19部分:Apriori算法

讲座49 什么是Apriori算法

第20部分:主成分分析(PCA)

讲座50 什么是主成分分析(PCA)

讲座51 主成分分析程序-1

讲座52 主成分分析程序-2

讲座53 主成分分析-作业

第21部分:K折交叉验证

讲座54 什么是K折交叉验证

讲座55 K折交叉验证程序-1

第22部分:模型选择

讲座56 什么是模型选择

讲座57 模型选择程序-1

第23部分:作业解决方案

讲座58 作业解决方案

下载说明:用户需登录后获取相关资源
1、登录后,打赏30元成为VIP会员,全站资源免费获取!
2、资源默认为百度网盘链接,请用浏览器打开输入提取码不要有多余空格,如无法获取 请联系微信 yunqiaonet 补发。
3、分卷压缩包资源 需全部下载后解压第一个压缩包即可,下载过程不要强制中断 建议用winrar解压或360解压缩软件解压!
4、云桥网络平台所发布资源仅供用户自学自用,用户需以学习为目的,按需下载,严禁批量采集搬运共享资源等行为,望知悉!!!
5、云桥网络-CG数字艺术学习与资源分享平台,感谢您的关注与支持!