B站 - 机器学习必修课：经典AI算法与编程实战 瞿炜

• file:04-5模型评价.mp4
• file:04-3KNN分类任务代码实现.mp4
• file:03-8Numpy数组基础索引：索引和切片.mp4
• file:03-14Matplotlib数据可视化：基础绘制与设置.mp4
• file:03-12Numpy数组arg运算和排序.mp4
• file:03-6Numpy基础：安装与性能对比.mp4
• file:03-5JupyterNotebook高级使用：常用魔法命令.mp4
• file:02-4如何分门别类：监督、无监督、强化学习等.mp4
• file:03-1本章总览：相互关系与学习路线.mp4
• file:03-11Numpy数组统计运算：常用的都在这儿了.mp4
• file:02-5机器学习的七大常见误区和局限.mp4
• file:01-3课程使用的技术栈.mp4
• file:04-4数据集划分：训练集与预测集.mp4
• file:03-10Numpy数组矩阵运算：一元运算、二元运算与矩阵运算.mp4
• file:04-2KNN算法核心思想和原理.mp4
• file:03-7Numpy数组创建：特定数组、等差数组、随机数组.mp4
• file:05-11线性算法优缺点和适用条件.mp4
• file:03-13Numpy数组神奇索引和布尔索引.mp4
• file:02-3研究哪些问题：分类、回归等.mp4
• file:03-2Anaconda图形化操作.mp4
• file:04-1本章总览.mp4
• file:03-9Numpy非常重要的数组合并与拆分操作.mp4
• file:01-2初识机器学习.mp4
• file:02-2数据长什么样：常见数据集、典型实例、如何使用.mp4
• file:04-6超参数.mp4
• file:04-9KNN优缺点和适用条件.mp4
• file:04-7特征归一化.mp4
• file:03-4JupyterNotebook基础使用.mp4
• folder:B站 - 机器学习必修课：经典AI算法与编程实战 瞿炜