机器学习必修课：经典AI算法与编程实战

• file:网盘资源分享.jpg
• file:06-5过拟合与欠拟合.mp4
• file:11-8集成学习优缺点和适用条件.mp4
• file:05-7逻辑回归算法.mp4
• file:11-7结合策略：Stacking方法.mp4
• file:09-2SVM核心思想和原理.mp4
• file:06-3梯度下降.mp4
• file:09-8非线性SVM代码实现.mp4
• file:11-5并行策略：随机森林.mp4
• file:06-4决策边界.mp4
• file:11-2集成学习核心思想和原理.mp4
• file:08-5梯度下降优化算法.mp4
• file:05-5模型评价：MSE、RMSE、MAE和R方.mp4
• file:09-3硬间隔SVM.mp4
• file:11-3集成学习代码实现.mp4
• file:08-9神经网络优缺点和适用条件.mp4
• file:12-2聚类算法核心思想和原理.mp4
• file:10-4朴素贝叶斯的代码实现.mp4
• file:06-13评价指标：ROC曲线.mp4
• file:08-8模型选择.mp4
• file:10-6贝叶斯方法优缺点和适用条件.mp4
• file:05-4线性回归代码实现.mp4
• file:05-2线性回归核心思想和原理.mp4
• file:10-1本章总览.mp4
• file:10-5多项式朴素贝叶斯代码实现.mp4
• file:11-4并行策略：Bagging、OOB等方法.mp4
• file:11-6串行策略：Boosting.mp4
• file:09-9SVM回归任务代码实现.mp4
• file:10-2贝叶斯方法核心思想和原理.mp4
• folder:机器学习必修课：经典AI算法与编程实战