尚硅谷AI大模型之机器学习/
├──4.视频
| ├──001_机器学习课程简介.mp4 15.87M
| ├──002_数学基础_导数的概念和基本公式.mp4 25.29M
| ├──003_数学基础_基本求导法则.mp4 21.59M
| ├──004_数学基础_用导数求极值和二阶导数.mp4 46.69M
| ├──005_数学基础_代码绘制导函数图像.mp4 40.41M
| ├──006_数学基础_偏导数.mp4 16.73M
| ├──007_数学基础_方向导数.mp4 25.99M
| ├──008_数学基础_梯度.mp4 26.29M
| ├──009_数学基础_标量与向量.mp4 41.60M
| ├──010_数学基础_向量代码测试.mp4 17.61M
| ├──011_数学基础_矩阵概念及基本运算.mp4 45.46M
| ├──012_数学基础_矩阵基本运算代码测试.mp4 42.66M
| ├──013_数学基础_矩阵的其它运算和张量.mp4 24.49M
| ├──014_数学基础_矩阵其它运算代码测试.mp4 22.54M
| ├──015_数学基础_矩阵求导.mp4 51.50M
| ├──016_数学基础_梯度矩阵.mp4 43.26M
| ├──017_数学基础_概率的基本概念和计算.mp4 28.92M
| ├──018_数学基础_概率分布.mp4 31.90M
| ├──019_数学基础_贝叶斯定理.mp4 35.01M
| ├──020_数学基础_似然函数和极大似然估计.mp4 44.83M
| ├──021_机器学习_概述.mp4 27.97M
| ├──022_机器学习_概念范畴.mp4 10.76M
| ├──023_机器学习_发展历史.mp4 55.43M
| ├──024_机器学习_应用领域.mp4 17.95M
| ├──025_机器学习_基本术语.mp4 28.97M
| ├──026_机器学习_分类.mp4 32.70M
| ├──027_机器学习_常见方法.mp4 16.12M
| ├──028_核心原理_监督学习建模流程.mp4 21.96M
| ├──029_核心原理_特征工程_整体介绍.mp4 95.34M
| ├──030_核心原理_特征工程_低方差过滤法.mp4 45.34M
| ├──031_核心原理_特征工程_相关系数法_Pearson.mp4 55.39M
| ├──032_核心原理_特征工程_相关系数法_Spearman.mp4 26.33M
| ├──033_核心原理_特征工程_PCA降维.mp4 84.45M
| ├──034_核心原理_损失函数.mp4 30.82M
| ├──035_核心原理_经验误差和泛化误差.mp4 22.21M
| ├──036_核心原理_欠拟合和过拟合.mp4 62.70M
| ├──037_核心原理_拟合案例_整体思路.mp4 31.10M
| ├──038_核心原理_拟合案例_导入模块和生成数据.mp4 33.22M
| ├──039_核心原理_拟合案例_欠拟合.mp4 40.34M
| ├──040_核心原理_拟合案例_恰好拟合和过拟合.mp4 30.24M
| ├──041_核心原理_正则化.mp4 62.33M
| ├──042_核心原理_正则化案例.mp4 52.90M
| ├──043_核心原理_交叉验证.mp4 35.60M
| ├──044_核心原理_模型求解_解析法.mp4 46.03M
| ├──045_核心原理_模型求解_梯度下降法.mp4 55.79M
| ├──046_核心原理_模型求解_梯度下降法案例1.mp4 58.45M
| ├──047_核心原理_模型求解_梯度下降法案例2.mp4 39.78M
| ├──048_核心原理_模型求解_学习率测试.mp4 20.87M
| ├──049_核心原理_模型求解_梯度下降法的应用.mp4 39.89M
| ├──050_核心原理_模型求解_牛顿法和拟牛顿法.mp4 15.11M
| ├──051_核心原理_回归评价指标.mp4 34.89M
| ├──052_核心原理_分类评价指标_混淆矩阵.mp4 46.72M
| ├──053_核心原理_分类评价指标_准确率、精确率、召回率和F1.mp4 51.17M
| ├──054_核心原理_分类评价指标_评估报告.mp4 15.00M
| ├──055_核心原理_分类评价综合案例.mp4 29.25M
| ├──056_核心原理_分类评价指标_ROC曲线.mp4 70.80M
| ├──057_核心原理_分类评价指标_AUC.mp4 28.51M
| ├──058_KNN_基本原理.mp4 28.65M
| ├──059_KNN_分类示例代码.mp4 48.69M
| ├──060_KNN_回归示例代码.mp4 10.94M
| ├──061_KNN_常见距离度量方法.mp4 30.83M
| ├──062_KNN_归一化.mp4 29.64M
| ├──063_KNN_归一化代码测试.mp4 16.23M
| ├──064_KNN_标准化.mp4 21.63M
| ├──065_KNN_心脏病检测案例_数据集加载.mp4 28.31M
| ├──066_KNN_心脏病检测案例_特征工程.mp4 68.64M
| ├──067_KNN_心脏病检测案例_模型训练、保存和预测.mp4 25.53M
| ├──068_KNN_心脏病检测案例_网格搜索和交叉验证.mp4 63.60M
| ├──069_线性回归_基本概念和应用.mp4 22.80M
| ├──070_线性回归_API调用.mp4 24.52M
| ├──071_线性回归_损失函数.mp4 51.73M
| ├──072_线性回归_一元线性回归解析解.mp4 48.38M
| ├──073_线性回归_正规方程法求解.mp4 39.66M
| ├──074_线性回归_API调用_截距参数.mp4 13.07M
| ├──075_线性回归_梯度下降法.mp4 39.01M
| ├──076_线性回归_梯度下降法_手动代码实现.mp4 64.19M
| ├──077_线性回归_梯度下降法API_SGDRegressor.mp4 55.79M
| ├──078_线性回归_梯度下降法案例_广告效果预测.mp4 47.06M
| ├──079_逻辑回归_基本原理和应用.mp4 61.30M
| ├──080_逻辑回归_损失函数.mp4 32.46M
| ├──081_逻辑回归_损失函数的梯度.mp4 38.64M
| ├──082_逻辑回归_API介绍.mp4 31.26M
| ├──083_逻辑回归案例_心脏病检测.mp4 26.80M
| ├──084_逻辑回归_多分类_OVR.mp4 23.75M
| ├──085_逻辑回归_多分类_Softmax回归.mp4 25.66M
| ├──086_逻辑回归案例_手写数字识别_数据集加载.mp4 41.65M
| ├──087_逻辑回归案例_手写数字识别_模型训练和预测.mp4 24.65M
| ├──088_感知机_基本原理.mp4 17.49M
| ├──089_感知机_表示逻辑门电路.mp4 22.88M
| ├──090_感知机_逻辑门代码实现_与门.mp4 22.14M
| ├──091_感知机_逻辑门代码实现_与非门和或门.mp4 7.26M
| ├──092_感知机_感知机的局限.mp4 21.16M
| ├──093_感知机_多层感知机实现异或门.mp4 17.15M
| ├──094_朴素贝叶斯_基本原理.mp4 47.63M
| ├──095_朴素贝叶斯_极大似然估计.mp4 22.00M
| ├──096_朴素贝叶斯_贝叶斯估计.mp4 17.45M
| ├──097_朴素贝叶斯_学习和分类.mp4 10.41M
| ├──098_决策树_基本原理.mp4 25.84M
| ├──099_决策树_工作过程.mp4 35.86M
| ├──100_决策树_信息熵和条件熵.mp4 43.29M
| ├──101_决策树_信息增益和ID3.mp4 36.62M
| ├──102_决策树_信息增益率和C4.5.mp4 22.31M
| ├──103_决策树_基尼指数和CART.mp4 50.95M
| ├──104_决策树_剪枝.mp4 18.05M
| ├──105_SVM_基本介绍.mp4 13.09M
| ├──106_SVM_线性可分SVM.mp4 54.78M
| ├──107_SVM_线性SVM.mp4 18.40M
| ├──108_SVM_非线性SVM.mp4 20.57M
| ├──109_集成学习_基本概念和分类.mp4 23.75M
| ├──110_集成学习_AdaBoost.mp4 31.77M
| ├──111_集成学习_随机森林.mp4 18.19M
| ├──112_无监督学习_聚类_整体介绍.mp4 15.12M
| ├──113_无监督学习_聚类_K-means.mp4 46.18M
| ├──114_无监督学习_聚类_层次聚类.mp4 10.55M
| ├──115_无监督学习_聚类_密度聚类.mp4 45.43M
| ├──116_无监督学习_聚类_KMeans代码示例.mp4 38.92M
| ├──117_无监督学习_聚类_评价指标.mp4 56.77M
| ├──118_无监督学习_降维_SVD基本原理.mp4 57.82M
| ├──119_无监督学习_降维_SVD代码调用.mp4 21.73M
| ├──120_无监督学习_降维_PCA.mp4 49.83M
| ├──机器学习.txt 5.19kb
| └──文件名.bat 0.04kb
├──1.资料&算法图都在笔记中.zip 18.53M
├──2.测试数据.zip 8.59M
└──3.代码.zip 9.44M
请先 ！