四：机器学习基础算法教程 - 影盘社-网盘资源搜索神器

• file:12-word2vec.pdf
• file:时间序列分析.pdf
• file:4-聚类算法.pdf
• file:1-AI入学指南.pdf
• file:8-xgboost.pdf
• file:9-LDA与PCA算法.pdf
• file:Python机器学习实训营.docx
• file:8-回归问题解决.mp4
• file:7-后剪枝方法.mp4
• file:4-决策树构造实例.mp4
• file:3-信息增益原理.mp4
• file:2-KMEANS工作流程.mp4
• file:6-DBSCAN可视化展示.mp4
• file:6-多分类-softmax.mp4
• file:5-分类决策边界展示分析.mp4
• file:2-概率结果随特征数值的变化.mp4
• file:6-梯度下降通俗解释.mp4
• file:3-独立同分布的意义.mp4
• file:随机森林与集成算法-实验.zip
• file:模型评估方法.ipynb
• file:逻辑回归-实验.zip
• folder:四：机器学习基础算法教程
• folder:02.机器学习算法课件资料
• folder:部分代码资料
• folder:第六章：逻辑回归代码实现
• folder:第三章：模型评估方法
• folder:第十章：聚类算法实验分析
• folder:课程简介
• folder:第十一章：决策树原理
• folder:第八章：聚类算法-Kmeans&Dbscan原理
• folder:6-逻辑回归实验分析
• folder:13-集成算法原理
• folder:15-支持向量机原理推导
• folder:11-决策树代码实现
• folder:8-Kmeans代码实现
• folder:mldata
• folder:2-训练模块功能
• folder:1-多分类逻辑回归整体思路
• folder:12-非线性决策边界
• folder:6-梯度计算
• folder:5-迭代优化参数
• folder:10-准备测试数据
• folder:4-优化目标定义
• folder:8-鸢尾花数据集多分类任务
• folder:7-得出最终结果
• folder:8-ROC曲线
• folder:2-数据集切分
• folder:7-阈值对结果的影响
• folder:3-交叉验证的作用
• folder:1-Sklearn工具包简介
• folder:9-应用实例-图像分割
• folder:5-评估指标-Inertia
• folder:3-建模流程解读
• folder:1-Kmenas算法常用操作
• folder:2-聚类结果展示
• folder:6-如何找到合适的K值
• folder:11-DBSCAN算法
• folder:6-完成树模型构建
• folder:2-递归生成树节点
• folder:3-整体框架逻辑
• folder:13-岭回归与lasso
• folder:14-实验总结
• folder:9-多项式回归
• folder:6-随机梯度下降得到的效果
• folder:7-MiniBatch方法
• folder:2-参数直接求解方法
• folder:8-不同策略效果对比
• folder:3-树模型预剪枝参数作用
• folder:1-树模型可视化展示
• folder:3-样本点归属划分
• folder:4-算法迭代更新
• folder:2-计算得到簇中心点
• folder:8-整体流程debug解读
• folder:6-训练线性回归模型
• folder:4-损失与预测模块