Python3玩转机器学习【6.39GB】 - 猎人搜索 轻松搜寻全网资源

• file:github地址.txt
• file:Mastering Feature Engineering Principles and Techniques for Data Scientists (Early Release)-O’reilly (2016).pdf
• file:ISLR Seventh Printing.pdf
• file:7-9 人脸识别与特征脸.mp4
• file:7-8 使用PCA对数据进行降噪.mp4
• file:7-7 试手MNIST数据集.mp4
• file:7-6 scikit-learn中的PCA.mp4
• file:7-5 高维数据映射为低维数据.mp4
• file:7-4 求数据的前n个主成分.mp4
• file:7-2 使用梯度上升法求解PCA问题.mp4
• file:7-1 什么是PCA.mp4
• file:6-9 有关梯度下降法的更多深入讨论.mp4
• file:6-8 如何确定梯度计算的准确性 调试梯度下降法.mp4
• file:6-5 梯度下降的向量化和数据标准化.mp4
• file:6-4 实现线性回归中的梯度下降法.mp4
• file:5-8 实现多元线性回归.mp4
• file:5-6 最好的衡量线性回归法的指标 R Squared.mp4
• file:5-5 衡量线性回归法的指标 MSE,RMS,MAE.mp4
• file:5-4 向量化.mp4
• file:5-10 线性回归的可解性和更多思考.mp4
• file:4-9 更多有关K近邻算法的思考.mp4
• file:4-6 网络搜索与K邻近算法中更多超参数.mp4
• file:3-9 Numpy中的arg运算.mp4
• file:3-6 Numpy 数据和矩阵的合并与分割.mp4
• file:3-2Jupter Notebook 中的魔法命令.mp4
• file:3-12 数据加载和简单的数据搜索.mp4
• file:3-11 Matplotlib数据可视化基础.mp4
• file:3-10 Numpy中的比较和Fancy lindexing.mp4