机器学习入门到精通！回归算法、聚类算法、决策树、随机森林、神经网络、贝叶斯算法、支持向量机等十大机器学习算法一口气学完！人工智能/机器学习/深度学习/AI
UP准备了人工智能学习资料、项目代码、源码笔记课件，需要的在评论区留言无偿领取即可~
人工智能唐宇迪
发消息
同济大学博士，不定时更新人工智能学习教程，学习路线图，想入行人工智能的可以关注我~
回归搜索的本质！没有广告，直达结果！
视频选集
（1/98）
自动连播
1.0机器学习到底该怎么入门？
03:09
2.0-课程简介
06:38
3.1-回归问题概述
07:45
4.2-误差项定义
10:15
5.3-独立同分布的意义
07:33
6.4-似然函数的作用
10:51
7.5-参数求解
11:12
8.6-梯度下降通俗解释
08:35
9.7参数更新方法
08:18
10.8-优化参数设置
08:52
11.1-线性回归整体模块概述
05:18
12.2-初始化步骤
07:12
13.3-实现梯度下降优化模块
10:11
14.4-损失与预测模块
11:41
15.5-数据与标签定义
10:01
16.6-训练线性回归模型
10:44
17.7-得到线性回归方程
06:59
18.8-整体流程debug解读
08:17
19.9-多特征回归模型
09:47
20.10-非线性回归
11:23
21.1-Sklearn工具包简介
04:57
22.2-数据集切分
07:16
23.3-交叉验证的作用
11:04
24.4-交叉验证实验分析
14:52
25.5-混淆矩阵
07:53
26.6-评估指标对比分析
12:15
27.7-阈值对结果的影响
08:28
28.8-ROC曲线
08:59
29.1-线性回归实验目标分析
08:10
30.2-参数直接求解方法
08:49
31.3-预处理对结果的影响
12:40
32.4-梯度下降模块
06:37
33.5-学习率对结果的影响
10:36
34.6-随机梯度下降得到的效果
13:16
35.7-MiniBatch方法
08:43
36.8-不同策略效果对比
08:37
37.9-多项式回归
11:17
38.10-模型复杂度
16:03
39.11-样本数量对结果的影响
15:57
40.12-正则化的作用
09:33
41.13-岭回归与lasso
19:30
42.14-实验总结
12:21
43.1-逻辑回归算法原理
08:25
44.2-化简与求解
09:10
51.7-得出最终结果
10:41
52.8-鸢尾花数据集多分类任务
06:56
53.9-训练多分类模型
10:08
54.10-准备测试数据
09:03
55.11-决策边界绘制
09:22
56.12-非线性决策边界
05:41
57.1-逻辑回归实验概述
09:18
58.2-概率结果随特征数值的变化
07:58
59.3-可视化展示
10:21
60.4-坐标棋盘制作
10:36
61.5-分类决策边界展示分析
13:37
62.6-多分类-softmax
13:09
63.1-KMEANS算法概述
11:34
64.2-KMEANS工作流程
09:43
65.3-KMEANS迭代可视化展示
08:21
66.4-DBSCAN聚类算法
11:04
67.5-DBSCAN工作流程
15:04
68.6-DBSCAN可视化展示
08:53
69.Kmeans算法模块概述
03:50
70.2-计算得到簇中心点
08:24
71.3-样本点归属划分
07:23
72.4-算法迭代更新
07:20
73.5-鸢尾花数据集聚类任务
08:59
74.6-聚类效果展示
11:31
77.3-建模流程解读
10:46
78.4-不稳定结果
04:15
79.5-评估指标-Inertia
07:25
80.6-如何找到合适的K值
06:56
81.7-轮廓系数的作用
09:17
82.8-Kmenas算法存在的问题
07:20
83.9-应用实例-图像分割
13:46
84.10-半监督学习
12:24
85.11-DBSCAN算法
08:12
86.1-决策树算法概述
08:30
87.2-熵的作用
06:40
88.3-信息增益原理
08:42
89.4-决策树构造实例
07:41
91.6-预剪枝方法
08:03
92.7-后剪枝方法
06:55
93.8-回归问题解决
05:55
94.1-整体模块概述
03:41
95.2-递归生成树节点
08:50
96.3-整体框架逻辑
05:48
97.4-熵值计算
10:15
98.5-数据集切分
07:04
99.6-完成树模型构建
06:14
100.7-测试算法效果
04:33
101.1-树模型可视化展示
08:20
102.2-决策边界展示分析
10:36
103.3-树模型预剪枝参数作用
10:49
104.4-回归树模型
11:16
105.1-随机森林算法原理
10:19
106.2-随机森林优势与特征重要性指标
10:23
107.3-提升算法概述
08:52
顶部