菜c的机器学习sklearn课堂（视频+课件）视频

多种网盘链接检测插件

购买前，请先检测网盘链接是否有效

您当前无权限查看，请先登录，或点此注册！

• 1.百度网盘链接，查看是否有效

                       

1638378967489

文件名称：	菜c的机器学习sklearn课堂（视频+课件）视频法_共：19.50GB
文件总数量：	286条
压缩文件数量：	0条
压缩文件比：	0%
疑似加密文件：	0条(需要授权播放的文件)
文件创建时间：	2021-11-17 23:19:18

目录：【菜c的机器学习sklearn课堂（视频+课件）】
目录：【菜c的机器学习sklearn课堂（视频+课件）/课件】
    开始机器学习之前：配置开发环境_.pdf[1.63MB]
    参考书3_.jpg[89.76KB]
    参考书2_.jpg[93.00KB]
    参考书1_.jpg[100.76KB]
目录：【菜c的机器学习sklearn课堂（视频+课件）/第一章决策树与泰坦尼克号生存预测】
    5.4案例：泰坦尼克号生存者预测(4)_.mp4[12.17MB]
    5.3案例：泰坦尼克号生存者预测(3)_.mp4[191.06MB]
    5.2案例：泰坦尼克号生存者预测(2)_.mp4[120.06MB]
    5.1案例：泰坦尼克号生存者预测(1)_.mp4[406.91MB]
    4.4回归树案例：用回归树拟合正弦曲线_.mp4[102.86MB]
    4.3回归树：交叉验证(2)_.mp4[10.07MB]
    4.2回归树：交叉验证(1)_.mp4[24.05MB]
    4.1回归树：参数，属X和接口_.mp4[30.08MB]
    3.5分类树：重要属X和接口_.mp4[59.53MB]
    3.4分类树：剪枝参数调优(2)_.mp4[89.77MB]
    3.3分类树：剪枝参数调优(1)_.mp4[54.63MB]
    3.2分类树：实现一棵树，随机X参数_.mp4[104.31MB]
    3.1分类树：参数c日te日on_.mp4[83.14MB]
    2.决策树：概述_.mp4[102.94MB]
    1.引言，sklearn入门_.mp4[28.80MB]
目录：【菜c的机器学习sklearn课堂（视频+课件）/第五章逻辑回归和信用评分卡】
    3.6案例：评分卡评分卡的输出和建立_.mp4[56.97MB]
    3.5案例：评分卡建模与模型验证_.mp4[37.19MB]
    3.4案例：评分卡映射数据(2)_.mp4[29.22MB]
    3.4案例：评分卡映射数据(1)_.mp4[78.39MB]
    3.3.7案例：评分卡分箱(9)对所有特征进行分箱_.mp4[28.61MB]
    3.3.6案例：评分卡分箱(8)包装判断分箱个数的函数_.mp4[23.47MB]
    3.3.5案例：评分卡分箱(7)包装分箱函数_.mp4[18.81MB]
    3.3.4案例：评分卡分箱(6)卡方检验、箱体合并、IV值等_.mp4[79.36MB]
    3.3.3案例：评分卡分箱(5)计算WOE与IV_.mp4[74.17MB]
    3.3.2案例：评分卡分箱(4)选学说明_.mp4[13.09MB]
    3.3.1案例：评分卡分箱(3)等频分箱(2)_.mp4[30.51MB]
    3.3.1案例：评分卡分箱(2)等频分箱(1)_.mp4[25.32MB]
    3.3案例：评分卡分箱(1)概述与概念_.mp4[38.75MB]
    3.2.6案例：评分卡数据预处理(5)保存训练集和测试集数据_.mp4[17.90MB]
    3.2.5案例：评分卡数据预处理(4)样本不均衡问题_.mp4[24.04MB]
    3.2.4案例：评分卡数据预处理(3)标准化_.mp4[10.60MB]
    3.2.3案例：评分卡数据预处理(2)异常值_.mp4[172.46MB]
    3.2.1~2案例：评分卡数据预处理(1)重复值与缺失值_.mp4[310.74MB]
    3.1案例：评分卡与完整的模型开发流程_.mp4[14.82MB]
    2.5样本不均衡与参数class_weight_.mp4[63.33MB]
    2.4二元回归与多元回归：重要参数solver&multi_class_.mp4[41.49MB]
    2.3.3步长的概念与解惑_.mp4[66.25MB]
    2.3.2梯度的概念与解惑_.mp4[38.46MB]
    2.3.1重要参数max_iter梯度下降求解逻辑回归的过程_.mp4[24.02MB]
    2.2.2逻辑回归的特征工程(4)_.mp4[15.01MB]
    2.2.2逻辑回归的特征工程(3)_.mp4[188.35MB]
    2.2.2逻辑回归的特征工程(2)_.mp4[17.74MB]
    2.2.2逻辑回归的特征工程(1)_.mp4[97.13MB]
    2.2.1正则化：重要参数penalty&C_.mp4[95.28MB]
    2.1.1二元逻辑回归的损失函数_.mp4[36.49MB]
    1.3sklearn当中的逻辑回归_.mp4[13.81MB]
    1.2为什么需要逻辑回归_.mp4[39.37MB]
    1.1逻辑回归概述：名为“回归”的分类器_.mp4[52.35MB]
    0前言_.mp4[41.48MB]
目录：【菜c的机器学习sklearn课堂（视频+课件）/第四章降维算法PCA与手写数字识别】
    3.2案例：PCA实现784个特征的手写数字的降维(2)_.mp4[31.80MB]
    3.1案例：PCA实现784个特征的手写数字的降维(1_.mp4[89.30MB]
    2.5原理，流程，重要属X接口和参数的总结_.mp4[18.72MB]
    2.4重要接口+案例2：用PCA实现手写数字的噪音过滤_.mp4[56.88MB]
    2.4重要接口+案例1：用人脸识别看PCA降维后的信息保存量_.mp4[189.67MB]
    2.3参数+案例：人脸识别中的components_应用.mp4_.mp4[491.61MB]
    2.3PCA中的SVD，重要参数svd_solver_.mp4[125.35MB]
    2.2参数+案例：高维数据的可视化(2)_.mp4[15.44MB]
    2.2参数+案例：高维数据的可视化(1)_.mp4[393.42MB]
    2.1降维究竟怎样实现？_.mp4[104.44MB]
    1降维算法概述_.mp4[155.09MB]
目录：【菜c的机器学习sklearn课堂（视频+课件）/第十章朴素贝叶斯】
    3.4案例：贝叶斯做文本分类(6)算法应用与概率校准_.mp4[43.15MB]
    3.3案例：贝叶斯做文本分类(5)使用TFIDF编码文本数据_.mp4[9.85MB]
    3.2案例：贝叶斯做文本分类(4)探索和提取文本数据_.mp4[67.45MB]
    3.1.2案例：贝叶斯做文本分类(3)TFIDF技术_.mp4[81.13MB]
    3.1.1案例：贝叶斯做文本分类(2)单词计数向量的问题_.mp4[56.29MB]
    3.1.1案例：贝叶斯做文本分类(1)单词计数向量技术_.mp4[91.27MB]
    2.3.4补集朴素贝叶斯处理样本不均衡问题_.mp4[44.49MB]
    2.3.4补集朴素贝叶斯补集朴素贝叶斯的原理(2)_.mp4[20.00MB]
    2.3.4补集朴素贝叶斯补集朴素贝叶斯的原理(1)_.mp4[52.27MB]
    2.3.3探索贝叶斯朴素贝叶斯的样本不均衡问题_.mp4[163.60MB]
    2.3.2伯努利朴素贝叶斯(3)构造一个分类器_.mp4[9.67MB]
    2.3.2伯努利朴素贝叶斯(2)sklearn中的类与参数_.mp4[9.48MB]
    2.3.2伯努利朴素贝叶斯(1)认识伯努利朴素贝叶斯_.mp4[9.61MB]
    2.3.1多项式朴素贝叶斯(4)来构造一个分类器吧_.mp4[34.30MB]
    2.3.1多项式朴素贝叶斯(3)sklearn中的类与参数_.mp4[15.20MB]
    2.3.1多项式朴素贝叶斯(2)数学原理_.mp4[69.73MB]
    2.3.1多项式朴素贝叶斯(1)认识多项式朴素贝叶斯_.mp4[17.60MB]
    2.2.5概率类模型的评估指标(8)概率校准(2)_.mp4[37.94MB]
    2.2.5概率类模型的评估指标(7)概率校准(1)_.mp4[219.17MB]
    2.2.4概率类模型的评估指标(6)概率分布直方图_.mp4[33.17MB]
    2.2.3概率类模型的评估指标(5)可靠X曲线(2)_.mp4[321.79MB]
    2.2.3概率类模型的评估指标(4)可靠X曲线(1)_.mp4[96.50MB]
    2.2.2概率类模型的评估指标(3)对数损失Logloss_.mp4[45.39MB]
    2.2.1概率类模型的评估指标(2)布里尔分数可视化_.mp4[17.31MB]
    2.2.1概率类模型的评估指标(1)布里尔分数_.mp4[41.17MB]
    2.1.3探索贝叶斯拟合中的特X与运行速度(4)分析与结论_.mp4[30.64MB]