教程詳情
文件下載 | 文件名稱：機器學習入門Scikit-learn實現經典小案例 | 文件大小：1.98GB |
| 下載聲明：本站文件大多來自于網絡，僅供學習和研究使用，不得用于商業用途，如有版權問題，請聯系博豬！ | ||
| 下載地址： 下載教程 | ||
教程目錄：
├─第10章 深度學習
│ 1 深度學習：圖像搜索.mp4
│ 2 神經網絡.mp4
│ 3 深度學習在計算機視覺中的應用.mp4
│ 4 深度學習的性能.mp4
│ 5 計算機視覺中的深度學習.mp4
│ 6 深度學習的挑戰.mp4
│ 7 遷移學習.mp4
│ 8 深度學習總結(1).mp4
│
├─第11章 神經網絡—案例部分
│ 0 深度學習實踐-獲取圖像數據.mp4
│ 1 深度學習實踐-構建圖像檢索的最近鄰模型.mp4
│ 2 深度學習實踐-通過查詢最近鄰模型來檢索圖像.mp4
│ 3 深度學習實踐-檢索和轎車圖像最相似的圖像.mp4
│ 4 深度學習實踐-通過Python和Lanbda函數來顯示其他檢索圖像.mp4
│
├─第1章 機器學習概述
│ 1-1 機器學習-導學.mp4
│ 1-10 Python中的函數.mp4
│ 1-11 應用GraphCreate Lab.mp4
│ 1-12 GraphLab Canvas.mp4
│ 1-13 SFrame中的列操作.mp4
│ 1-14 SFrame中的apply函數.mp4
│ 1-2 概述.mp4
│ 1-3 機器學習示例.mp4
│ 1-4 本門課使用的工具.mp4
│ 1-5 本門課的内容.mp4
│ 1-6 graphlab create的安裝.mp4
│ 1-7 IPython Notebook介紹.mp4
│ 1-8 python 基本語法.mp4
│ 1-9 條件和循環語句.mp4
│
├─第2章 回歸模型
│ 2-1 線性回歸概述.mp4
│ 2-10 回歸實踐-下載和探索房屋銷售數據.mp4
│ 2-11 回歸實踐-把數據拆分成訓練集和測試集.mp4
│ 2-12 回歸實踐-學習一個簡單的回歸模型通過房屋大小預測房價.mp4
│ 2-13 回歸實踐-評估模型的誤差.mp4
│ 2-14 回歸實踐-通過Matplotlib來可視化預測.mp4
│ 2-15 回歸實踐-探索學習到的模型系數.mp4
│ 2-16 回歸實踐-探索數據的其他特征.mp4
│ 2-17 回歸實踐-學習通過更多特征來預測房價的模型.mp4
│ 2-18 回歸實踐-應用學習到的模型來預測更多的房價.mp4
│ 2-2 預測房價.mp4
│ 2-3 線性回歸.mp4
│ 2-4 加入更高階的因素.mp4
│ 2-5 通過訓練-測試分離來評估過拟合.mp4
│ 2-6 訓練測試曲線.mp4
│ 2-7 加入新的特征.mp4
│ 2-8 其他回歸示例.mp4
│ 2-9 回歸總結.mp4
│
├─第3章 分類模型
│ 3-1 分類-分析情感.mp4
│ 3-10 類别概率.mp4
│ 3-11 分類總結.mp4
│ 3-12 分類實踐-獲取和探索商品評論數據.mp4
│ 3-13 分類實踐-構建詞袋向量.mp4
│ 3-14 分類實踐-探索流行的商品.mp4
│ 3-15 分類實踐-定義評論的正面和負面感情.mp4
│ 3-16 分類實踐-訓練情感的分類器.mp4
│ 3-17 分類實踐-通過ROC曲線評估分類器.mp4
│ 3-18 分類實踐-應用模型于商品的最正面和最負面評論.mp4
│ 3-19 分類實踐-探索商品的最正面和最負面評價.mp4
│ 3-2 從主題預測情感.mp4
│ 3-3 分類器應用.mp4
│ 3-4 線性分類器.mp4
│ 3-5 決策邊界.mp4
│ 3-6 訓練和評估分類器.mp4
│ 3-7 什麽是好的精度.mp4
│ 3-8 混淆矩陣.mp4
│ 3-9 學習曲線.mp4
│
├─第4章 聚類和相似度模型
│ 4-1 聚類和相似度-文檔檢索.mp4
│ 4-10 其他例子.mp4
│ 4-11 聚類和相似度總結.mp4
│ 4-12 聚類和相似度實踐-獲取和探索維基百科數據.mp4
│ 4-13 聚類和相似度實踐-探索單詞計數.mp4
│ 4-14 聚類和相似度實踐-計算和探索TF-IDF.mp4
│ 4-15 聚類和相似度實踐-計算維基百科文章的距離.mp4
│ 4-16 聚類和相似度實踐-構建和探索維基百科文章的最近領域模型.mp4
│ 4-17 聚類和相似度實踐-實際文檔檢索的例子.mp4
│ 4-2 檢索感興趣的文檔.mp4
│ 4-3 用于測量相似度的單詞計數表示.mp4
│ 4-4 應用TF-IDF對于重要單詞進行優先級排序.mp4
│ 4-5 TF-IDFf文檔表示.mp4
│ 4-6 檢索相似的文檔.mp4
│ 4-7 文檔聚類.mp4
│ 4-8 聚類介紹.mp4
│ 4-9 k-均值.mp4
│
├─第5章 推薦系統
│ 5-1 推薦商品.mp4
│ 5-10 通過矩陣分解發現隐藏結構.mp4
│ 5-11 特征+矩陣分解.mp4
│ 5-12 推薦系統的性能度量.mp4
│ 5-13 最優推薦.mp4
│ 5-14 準确率-召回率曲線.mp4
│ 5-15 推薦系統總結.mp4
│ 5-16 推薦系統實踐-獲取和探索音樂數據.mp4
│ 5-17 推薦系統實踐-構建和評估基于流行度的音樂推薦系統.mp4
│ 5-18 推薦系統實踐-構建和評估個性化的音樂推薦系統.mp4
│ 5-19 推薦系統實踐-召回率來比較推薦模型.mp4
│ 5-2 我們在哪能見到推薦系統【此章節有密碼】.mp4
│ 5-2小節播放器.exe
│ 5-3 推薦的分類模型.mp4
│ 5-4 協同過濾.mp4
│ 5-5 流行物品的影響.mp4
│ 5-6 正規化同現矩陣.mp4
│ 5-7 矩陣補全問題.mp4
│ 5-8 通過用戶和物品的特征進行推薦.mp4
│ 5-9 利用矩陣形式預測.mp4
│
├─第6章 深度學習
│ 6-1 深度學習：圖像搜索.mp4
│ 6-10 深度學習實踐-構建圖像檢索的最近鄰模型.mp4
│ 6-11 深度學習實踐-通過查詢最近鄰模型來檢索圖像.mp4
│ 6-12 深度學習實踐-檢索和轎車圖像最相似的圖像.mp4
│ 6-13 深度學習實踐-通過Python和Lanbda函數來顯示其他檢索圖像.mp4
│ 6-2 神經網絡.mp4
│ 6-3 深度學習在計算機視覺中的應用.mp4
│ 6-4 深度學習的性能.mp4
│ 6-5 計算機視覺中的深度學習.mp4
│ 6-6 深度學習的挑戰.mp4
│ 6-7 遷移學習.mp4
│ 6-8 深度學習總結(1).mp4
│ 6-9 深度學習實踐-獲取圖像數據.mp4
│
├─第7章 聚類和相似度模型—維基百科人物相似度案例
│ 7-1 聚類和相似度實踐-獲取和探索維基百科數據.mp4
│ 7-2 聚類和相似度實踐-探索單詞計數.mp4
│ 7-3 聚類和相似度實踐-計算和探索TF-IDF.mp4
│ 7-4 聚類和相似度實踐-計算維基百科文章的距離.mp4
│ 7-5 聚類和相似度實踐-構建和探索維基百科文章的最近領域模型.mp4
│ 7-6 聚類和相似度實踐-實際文檔檢索的例子.mp4
│
├─第8章 推薦系統
│ 1 推薦商品.mp4
│ 10 通過矩陣分解發現隐藏結構.mp4
│ 11 特征+矩陣分解.mp4
│ 12 推薦系統的性能度量.mp4
│ 13 最優推薦.mp4
│ 14 準确率-召回率曲線.mp4
│ 15 推薦系統總結.mp4
│ 2.mp4
│ 3 推薦的分類模型.mp4
│ 4 協同過濾.mp4
│ 5 流行物品的影響.mp4
│ 6 正規化同現矩陣.mp4
│ 7 矩陣補全問題.mp4
│ 8 通過用戶和物品的特征進行推薦.mp4
│ 9 利用矩陣形式預測.mp4
│
└─第9章 推薦系統—構建推薦系統案例
9-1 推薦系統實踐-獲取和探索音樂數據.mp4
9-2 推薦系統實踐-構建和評估基于流行度的音樂推薦系統.mp4
9-3 推薦系統實踐-構建和評估個性化的音樂推薦系統.mp4
9-4 推薦系統實踐-召回率來比較推薦模型.mp4
教程截圖
教程試看
https://v.youku.com/v_show/id_XNTgyMTAwMTI2OA==.html
教程下載
原文鏈接：【教程寶盒網】 https://www.jc-box.com/4131.html，轉載請注明出處。
請先 ！