51CTO 微职位 机器学习 进阶篇

第01章 EM算法

1-1 EM算法要解决的问题.mp4 20.92M

1-2 隐变量问题.mp4 10.57M

1-3 EM算法求解实例.mp4 29.96M

1-4 Jensen不等式.mp4 22.22M

1-5 GMM模型.mp4 16.30M

第02章 GMM聚类实例

2-1 GMM实例.mp4 26.86M

2-2 GMM聚类.mp4 25.90M

第03章 线性支持向量机

3-1 支持向量机要解决的问题.mp4 22.42M

3-2 距离与数据定义.mp4 19.12M

3-3 目标函数.mp4 23.17M

3-4 目标函数求解.mp4 20.39M

3-5 svm求解实例.mp4 24.78M

3-6 支持向量的作用.mp4 21.97M

第04章 核变换支持向量机

4-1 软间隔问题.mp4 12.41M

4-2 SVM核变换.mp4 37.50M

第05章 支持向量机实例

5-1 sklearn求解支持向量机.mp4 33.96M

5-2 svm参数选择.mp4 34.53M

第06章 机器学习套路与BenchMark

6-1 HTTP检测任务与数据挖掘核心.mp4 33.19M

6-2 论文重要程度.mp4 29.82M

6-3 BenchMark概述.mp4 24.71M

6-4 BenchMark的作用.mp4 50.46M

第07章 时间序列ARIMA模型

7-1 数据平稳性与差分法.mp4 19.68M

7-2 ARIMA模型.mp4 12.89M

7-3 相关函数评估方法.mp4 21.15M

7-4 建立ARIMA模型.mp4 16.72M

7-5 参数选择.mp4 28.70M

第08章 时间序列实例

8-1 Pandas生成时间序列.mp4 21.43M

8-2 数据重采样.mp4 13.47M

8-3 滑动窗口.mp4 10.84M

8-4 股票预测实例.mp4 24.75M

8-5 使用tsfresh库进行分类任务.mp4 39.69M

8-6 维基百科词条EDA.mp4 43.99M

第09章 推荐系统

9-1 简介.mp4 3.15M

9-2 推荐系统应用.mp4 12.99M

9-3 推荐系统要完成的任务.mp4 7.00M

9-4 相似度计算.mp4 9.16M

9-5 基于用户的协同过滤.mp4 7.91M

9-6 基于物品的协同过滤.mp4 12.39M

9-7 隐语义模型.mp4 9.21M

9-8 隐语义求解.mp4 10.35M

9-9 模型评估标准.mp4 8.31M

第10章 Python从零开始构建音乐推荐系统

10-1 音乐推荐任务概述.mp4 36.15M

10-2 数据集整合.mp4 26.65M

10-3 基于物品的协同过滤.mp4 30.72M

10-4 物品相似度计算.mp4 34.99M

10-5 SVD矩阵分解方法.mp4 32.66M

10-6 基于矩阵分解的音乐推荐.mp4 35.86M

第11章 推荐系统实例

10-1 Surprise库.mp4 14.40M

10-2 使用方法.mp4 19.24M

10-3 得出商品推荐结果.mp4 24.63M

第12章 探索性数据分析-赛事数据集

11-1 简介.mp4 4.63M

11-2 数据背景介绍.mp4 26.77M

11-3 数据读取与预处理.mp4 35.25M

11-4 数据切分模块.mp4 37.25M

11-5 缺失值可视化.mp4 41.20M

11-6 特征可视化展示.mp4 29.90M

11-7 多特征之间关系.mp4 27.36M

11-8 报表可视化分析.mp4 26.71M

11-9 红牌和肤色之间的关系.mp4 51.83M

第13章 探索性数据分析-农粮组织

12-1 数据背景简介.mp4 45.36M

12-2 数据切片分析.mp4 68.82M

12-3 单变量分析.mp4 63.98M

12-4 峰度与偏度.mp4 42.74M

12-5 数据对数变换.mp4 35.03M

12-6 数据分析维度.mp4 19.32M

12-7 变量关系可视化展示.mp4 37.09M