机器学习的算法与实践

1-1

人工智能综述

1-2

本课程内容整体介绍

1-3

第一个算法：KNN算法与应用介绍

1-4

第一个算法：KNN算法代码示例

「仅限付费用户」点击下载“knn.rar”

1-5

第二个算法：线性回归1---数学描述

1-6

第二个算法：线性回归2---梯度下降与代码示例

「仅限付费用户」点击下载“linerregression2.py.txt”

1-7

偏差、方差、欠拟合与过拟合-1

1-8

偏差、方差、欠拟合、过拟合-2

1-9

第三个算法：逻辑回归--2 迭代函数推导

1-10

第三个算法：逻辑回归---3 批量梯度迭代程序示例

「仅限付费用户」点击下载“logexamplebatch.rar”

1-11

第三个算法：逻辑回归算法1 LR Function的引入

1-12

第三个算法：逻辑回归4 随机/小批量梯度下降算法及示例

「仅限付费用户」点击下载“logexamplelittlebatch.py.txt”

1-13

第三个算法：逻辑回归---5 训练与测试实现二分类

1-14

第三个算法：逻辑回归---6 多分类逻辑回归与极大似然估计

1-15

第四个算法：支持向量机SVM---1 最大间隔平面最优解推导

1-16

第四个算法：支持向量机SVM2 软间隔与线性可分SVM示例

「仅限付费用户」点击下载“svmtestlinear.py.txt”

1-17

第四个算法：支持向量机SVM3 核函数及高斯核变换程序示例

「仅限付费用户」点击下载“svmcorefun.py.txt”

1-18

第四个算法：SVM4 高斯核函数证明/非线性分类程序示例

「仅限付费用户」点击下载“svmnonlinear.py.txt”

1-19

第四个算法：SVM5 非线性SVM超平面绘制与核函数效果比较

「仅限付费用户」点击下载“svmhyperplane.py.txt”

1-20

第五个算法：贝叶斯公式的引入与示例