Python机器学习实训营课程介绍:
该课程旨在帮助同学们在机器学习领域打下坚实基础。课程注重算法原理讲解与数学公式推导并基于Python语言给出完整的代码实现,从零开始实现每一模块功能(非调用工具包)通过代码实例演示算法工作流程与实现方法。建议同学们在学习过程中先掌握算法原理,基于数学推导公式进行代码复现与实战演练。
目录
章节1:线性回归原理推导试看
课时1视频Python机器学习实训营课程介绍06:56
课时2视频回归问题概述07:11
课时3视频误差项定义09:41
课时4视频独立同分布的意义07:32
课时5视频似然函数的作用10:50
课时6视频参数求解11:11
课时7视频梯度下降通俗解释08:34
课时8视频参数更新方法08:17
课时9视频优化参数设置08:51
课时10文本课程全部数据代码PPT下载
章节2:线性回归代码实现试看
课时11视频线性回归整体模块概述05:16
课时12视频初始化步骤07:11可试看
课时13视频实现梯度下降优化模块10:10
课时14视频损失与预测模块11:40
课时15视频数据与标签定义10:00
课时16视频训练线性回归模型10:43
课时17视频得到线性回归方程06:58
课时18视频整体流程debug解读08:16
课时19视频多特征回归模型09:46
课时20视频非线性回归11:22
章节3:模型评估方法试看
课时21视频Sklearn工具包简介04:56可试看
课时22视频数据集切分07:15
课时23视频交叉验证的作用11:03
课时24视频交叉验证实验分析14:51
课时25视频混淆矩阵07:52
课时26视频评估指标对比分析12:13
课时27视频阈值对结果的影响08:26
课时28视频ROC曲线08:58
章节4:线性回归实验分析试看
课时29视频实验目标分析08:09可试看
课时30视频参数直接求解方法08:47
课时31视频预处理对结果的影响12:39
课时32视频梯度下降模块06:36
课时33视频学习率对结果的影响10:35
课时34视频随机梯度下降得到的效果13:15
课时35视频MiniBatch方法08:42
课时36视频不同策略效果对比08:36
课时37视频多项式回归11:16
课时38视频模型复杂度16:02
课时39视频样本数量对结果的影响15:55
课时40视频正则化的作用09:32
课时41视频岭回归与lasso19:29
课时42视频实验总结12:19
章节5:逻辑回归原理推导试看
课时43视频逻辑回归算法原理08:23可试看
课时44视频化简与求解09:09
章节6:逻辑回归代码实现
课时45视频多分类逻辑回归整体思路07:35
课时46视频训练模块功能09:56
课时47视频完成预测模块06:48
课时48视频优化目标定义09:31
课时49视频迭代优化参数07:48
课时50视频梯度计算09:53
课时51视频得出最终结果10:40
课时52视频鸢尾花数据集多分类任务06:55
课时53视频训练多分类模型10:07
课时54视频准备测试数据09:01
课时55视频决策边界绘制09:21
课时56视频非线性决策边界05:39
章节7:逻辑回归实验分析试看
课时57视频逻辑回归实验概述09:17
课时58视频概率结果随特征数值的变化07:57
课时59视频可视化展示10:20可试看
课时60视频坐标棋盘制作10:35
课时61视频分类决策边界展示分析13:35
课时62视频多分类-softmax13:08
章节8:聚类算法-Kmeans&Dbscan原理
课时63视频KMEANS算法概述11:33
课时64视频KMEANS工作流程09:42
课时65视频KMEANS迭代可视化展示08:19
课时66视频DBSCAN聚类算法11:03
课时67视频DBSCAN工作流程15:03
课时68视频DBSCAN可视化展示08:52
章节9:Kmeans代码实现试看
课时69视频Kmeans算法模块概述03:49可试看
课时70视频计算得到簇中心点08:23
课时71视频样本点归属划分07:21
课时72视频算法迭代更新07:19
课时73视频鸢尾花数据集聚类任务08:57
课时74视频聚类效果展示11:30
章节10:聚类算法实验分析试看
课时75视频Kmenas算法常用操作09:21
课时76视频聚类结果展示04:45
课时77视频建模流程解读10:45
课时78视频不稳定结果04:14
课时79视频评估指标-Inertia07:24
课时80视频如何找到合适的K值06:55
课时81视频轮廓系数的作用09:15
课时82视频Kmenas算法存在的问题07:19
课时83视频应用实例-图像分割13:45
课时84视频半监督学习12:23
课时85视频DBSCAN算法08:10可试看
章节11:决策树原理试看
课时86视频决策树算法概述08:29可试看
课时87视频熵的作用06:39
课时88视频信息增益原理08:41
课时89视频决策树构造实例07:40
课时90视频信息增益率与gini系数06:07
课时91视频预剪枝方法08:02
课时92视频后剪枝方法06:54
课时93视频回归问题解决05:54
章节12:决策树代码实现试看
课时94视频整体模块概述03:40
课时95视频递归生成树节点08:49
课时96视频整体框架逻辑05:47
课时97视频熵值计算10:14可试看
课时98视频数据集切分07:03
课时99视频完成树模型构建06:12
课时100视频测试算法效果04:32
章节13:决策树实验分析试看
课时101视频树模型可视化展示08:19可试看
课时102视频决策边界展示分析10:34
课时103视频树模型预剪枝参数作用10:48
课时104视频回归树模型11:14
章节14:集成算法原理试看
课时105视频随机森林算法原理10:17可试看
课时106视频随机森林优势与特征重要性指标10:21
课时107视频提升算法概述08:51
课时108视频stacking堆叠模型06:22
章节15:集成算法实验分析
课时109视频构建实验数据集06:27
课时110视频硬投票与软投票效果对比11:04
课时111视频Bagging策略效果07:34
课时112视频集成效果展示分析10:42
课时113视频OOB袋外数据的作用03:38
课时114视频特征重要性热度图展示14:56
课时115视频Adaboost算法概述04:45
课时116视频Adaboost决策边界效果12:28
课时117视频GBDT提升算法流程08:17
课时118视频集成参数对比分析14:55
课时119视频模型提前停止策略08:09
课时120视频停止方案实施13:20
课时121视频堆叠模型05:53
章节16:支持向量机原理推导
课时122视频支持向量机要解决的问题07:30
课时123视频距离与数据定义08:00
课时124视频目标函数推导09:12
课时125视频拉格朗日乘子法求解07:36
课时126视频化简最终目标函数06:03
课时127视频求解决策方程11:16
课时128视频软间隔优化12:42
课时129视频核函数的作用09:24
课时130视频知识点总结07:35
章节17:支持向量机实验分析
课时131视频支持向量机所能带来的效果08:55
课时132视频决策边界可视化展示09:52
课时133视频软间隔的作用10:31
课时134视频非线性SVM06:52
课时135视频核函数的作用与效果16:15
章节18:神经网络算法原理
课时136视频深度学习要解决的问题07:55
课时137视频深度学习应用领域14:06
课时138视频计算机视觉任务05:48
课时139视频视觉任务中遇到的问题10:01
课时140视频得分函数07:14
课时141视频损失函数的作用10:42
课时142视频前向传播整体流程13:45
课时143视频返向传播计算方法09:33
课时144视频神经网络整体架构10:52
课时145视频神经网络架构细节10:54
课时146视频神经元个数对结果的影响07:11
课时147视频正则化与激活函数08:49
课时148视频神经网络过拟合解决方法11:06
章节19:神经网络代码实现
课时149视频神经网络整体框架概述07:30
课时150视频参数初始化操作12:44
课时151视频矩阵向量转换09:10
课时152视频向量反变换09:17
课时153视频完成前向传播模块10:17
课时154视频损失函数定义09:23
课时155视频准备反向传播迭代08:01
课时156视频差异项计算10:41
课时157视频逐层计算10:10
课时158视频完成全部迭代更新模块13:49
课时159视频手写字体识别数据集10:31
课时160视频算法代码错误修正10:37
课时161视频测试效果可视化展示13:09
课时162视频模型优化结果展示10:51
章节20:贝叶斯算法原理
课时163视频贝叶斯要解决的问题05:10
课时164视频贝叶斯公式推导07:46
课时165视频拼写纠错实例11:45
课时166视频垃圾邮件过滤实例10:22
章节21:贝叶斯代码实现试看
课时167视频朴素贝叶斯算法整体框架06:04可试看
课时168视频邮件数据读取05:38
课时169视频语料表与特征向量构建09:49
课时170视频分类别统计词频09:00
课时171视频贝叶斯公式对数变换08:07
课时172视频完成预测模块08:40
章节22:关联规则实战分析试看
课时173视频关联规则概述06:57可试看
课时174视频支持度与置信度08:58可试看
课时175视频提升度的作用08:44
课时176视频Python实战关联规则09:04
课时177视频数据集制作07:51
课时178视频电影数据集题材关联分析07:53
章节23:关联规则代码实现
课时179视频Apripri算法整体流程11:57
课时180视频数据集demo04:11
课时181视频扫描模块07:26
课时182视频拼接模块06:17
课时183视频挖掘频繁项集07:11
课时184视频规则生成模块07:37
课时185视频完成全部算法流程07:36
课时186视频规则结果展示07:10
章节24:词向量word2vec通俗解读试看
课时187视频词向量模型通俗解释08:14
课时188视频模型整体框架10:09
课时189视频训练数据构建05:10
课时190视频CBOW与Skip-gram模型08:20
课时191视频负采样方案07:40
章节25:代码实现word2vec词向量模型
课时192视频数据与任务流程10:36
课时193视频数据清洗06:34
课时194视频batch数据制作12:24
课时195视频网络训练12:36
课时196视频可视化展示06:19
章节26:推荐系统原理分析
课时197视频推荐系统应用10:34
课时198视频推荐系统要完成的任务06:39
课时199视频相似度计算10:46
课时200视频基于用户的协同过滤10:02
课时201视频基于物品的协同过滤14:45
课时202视频隐语义模型07:31
课时203视频隐语义模型求解09:45
课时204视频模型评估标准07:43
章节27:打造音乐推荐系统
课时205视频音乐推荐任务概述17:35
课时206视频数据集整合08:19
课时207视频基于物品的协同过滤13:17
课时208视频物品相似度计算与推荐19:14
课时209视频SVD矩阵分解16:54
课时210视频基于矩阵分解的音乐推荐14:44
章节28:线性判别分析降维算法原理解读试看
课时211视频线性判别分析要解决的问题12:20可试看
课时212视频线性判别分析要优化的目标12:03
课时213视频线性判别分析求解12:08
课时214视频求解得出降维结果08:55
章节29:主成分分析降维算法原理解读试看
课时216视频方差与协方差06:51
课时217视频PCA结果推导09:03
课时218视频PCA降维实例