慕课：慕课网机器学习入门 Scikit-learn实现经典小案例

第10章 深度学习 [119.33M]

说明

1 深度学习：图像搜索.mp4 [4.67M]

2 神经网络.mp4 [39.47M]

3 深度学习在计算机视觉中的应用.mp4 [20.11M]

4 深度学习的性能.mp4 [10.22M]

5 计算机视觉中的深度学习.mp4 [4.87M]

6 深度学习的挑战.mp4 [8.89M]

7 迁移学习.mp4 [22.26M]

8 深度学习总结(1).mp4 [8.84M]

第11章 神经网络—案例部分 [109.88M]

说明

0 深度学习实践-获取图像数据.mp4 [30.38M]

1 深度学习实践-构建图像检索的最近邻模型.mp4 [16.58M]

2 深度学习实践-通过查询最近邻模型来检索图像.mp4 [32.11M]

3 深度学习实践-检索和轿车图像最相似的图像.mp4 [8.76M]

4 深度学习实践-通过python和lanbda函数来显示其他检索图像.mp4 [22.05M]

第1章 机器学习概述 [206.83M]

说明

1-1 机器学习-导学.mp4 [12.53M]

1-10 python中的函数.mp4 [9.49M]

1-11 应用graphcreate lab.mp4 [13.26M]

1-12 graphlab canvas.mp4 [14.69M]

1-13 sframe中的列操作.mp4 [18.18M]

1-14 sframe中的apply函数.mp4 [18.00M]

1-2 概述.mp4 [9.26M]

1-3 机器学习示例.mp4 [20.75M]

1-4 本门课使用的工具.mp4 [16.87M]

1-5 本门课的内容.mp4 [4.56M]

1-6 graphlab create的安装.mp4 [10.47M]

1-7 ipython notebook介绍.mp4 [15.82M]

1-8 python 基本语法.mp4 [22.13M]

1-9 条件和循环语句.mp4 [20.81M]

第2章 回归模型 [111.50M]

2-1 线性回归概述.mp4 [3.15M]

2-2 预测房价.mp4 [10.80M]

2-3 线性回归.mp4 [14.22M]

2-4 加入更高阶的因素.mp4 [11.66M]

2-5 通过训练-测试分离来评估过拟合.mp4 [22.93M]

2-6 训练测试曲线.mp4 [11.75M]

2-7 加入新的特征.mp4 [7.52M]

2-8 其他回归示例.mp4 [14.19M]

2-9 回归总结.mp4 [15.29M]

第3章 回归模型—房价预测进阶案例 [166.02M]

说明

.docx [2.43M]

3-1 回归实践-下载和探索房屋销售数据.mp4 [32.48M]

3-2回归实践-把数据拆分成训练集和测试集.mp4 [21.37M]

3-3 回归实践-学习一个简单的回归模型通过房屋大小预测房价.mp4 [9.17M]

3-4 回归实践-评估模型的误差.mp4 [24.82M]

3-5 回归实践-通过matplotlib来可视化预测.mp4 [7.56M]

3-6 回归实践-探索学习到的模型系数.mp4 [27.07M]

3-7 回归实践-探索数据的其他特征.mp4 [15.61M]

3-8 回归实践-学习通过更多特征来预测房价的模型.mp4 [14.09M]

3-9 回归实践-应用学习到的模型来预测更多的房价.mp4 [11.41M]

第4章 分类模型 [216.09M]

说明

1 分类-分析情感.mp4 [2.06M]

10 类别概率.mp4 [12.25M]

11 分类总结.mp4 [7.76M]

2 从主题预测情感.mp4 [35.41M]

3 分类器应用.mp4 [18.80M]

4 线性分类器.mp4 [35.76M]

5 决策边界.mp4 [18.59M]

6 训练和评估分类器.mp4 [13.21M]

7 什么是好的精度.mp4 [23.82M]

8 混淆矩阵.mp4 [21.66M]

9 学习曲线.mp4 [26.79M]

第5章 分类模型—情感分析进阶案例 [190.59M]

说明

5-1 分类实践-获取和探索商品评论数据.mp4 [12.58M]

5-2 分类实践-构建词袋向量.mp4 [16.87M]

5-3 分类实践-探索流行的商品.mp4 [29.16M]

5-4 分类实践-定义评论的正面和负面感情.mp4 [33.93M]

5-5 分类实践-训练情感的分类器.mp4 [16.59M]

5-6 分类实践-通过roc曲线评估分类器.mp4 [20.79M]

5-7 分类实践-应用模型于商品的最正面和最负面评论.mp4 [28.48M]

5-8 分类实践-探索商品的最正面和最负面评价.mp4 [32.19M]

第6章 聚类和相似度模型 [121.77M]

说明

1 聚类和相似度-文档检索.mp4 [1.84M]

10 其他例子.mp4 [17.70M]

11 聚类和相似度总结.mp4 [14.46M]

2 检索感兴趣的文档.mp4 [3.79M]

3 用于测量相似度的单词计数表示.mp4 [20.72M]

4 应用tf-idf对于重要单词进行优先级排序.mp4 [9.81M]

5 tf-idff文档表示.mp4 [13.36M]

6 检索相似的文档.mp4 [6.64M]

7 文档聚类.mp4 [8.98M]

8 聚类介绍.mp4 [13.12M]

9 k-均值.mp4 [11.36M]

第7章 聚类和相似度模型—维基百科人物相似度案例 [119.38M]

说明

7-1 聚类和相似度实践-获取和探索维基百科数据.mp4 [16.78M]

7-2 聚类和相似度实践-探索单词计数.mp4 [28.37M]

7-3 聚类和相似度实践-计算和探索tf-idf.mp4 [27.85M]

7-4 聚类和相似度实践-计算维基百科文章的距离.mp4 [17.27M]

7-5 聚类和相似度实践-构建和探索维基百科文章的最近领域模型.mp4 [13.72M]

7-6 聚类和相似度实践-实际文档检索的例子.mp4 [15.38M]

第8章 推荐系统 [208.86M]

1 推荐商品.mp4 [2.82M]

10 通过矩阵分解发现隐藏结构.mp4 [19.82M]

11 特征+矩阵分解.mp4 [10.71M]

12 推荐系统的性能度量.mp4 [18.92M]

13 最优推荐.mp4 [7.17M]

14 准确率-召回率曲线.mp4 [21.88M]

15 推荐系统总结.mp4 [11.76M]

2.mp4 [24.15M]

3 推荐的分类模型.mp4 [12.30M]

4 协同过滤.mp4 [12.43M]

5 流行物品的影响.mp4 [7.80M]

6 正规化同现矩阵.mp4 [15.85M]

7 矩阵补全问题.mp4 [14.48M]

8 通过用户和物品的特征进行推荐.mp4 [20.47M]

9 利用矩阵形式预测.mp4 [8.30M]

第9章 推荐系统—构建推荐系统案例 [125.16M]

9-1 推荐系统实践-获取和探索音乐数据.mp4 [37.57M]

9-2 推荐系统实践-构建和评估基于流行度的音乐推荐系统.mp4 [37.31M]

9-3 推荐系统实践-构建和评估个性化的音乐推荐系统.mp4 [26.24M]

9-4 推荐系统实践-召回率来比较推荐模型.mp4 [24.04M]

机器学习启蒙讲师源码.rar [2.63M]

机器学习启蒙源码.zip [289.46K]

数据集.rar [211.48M]