/ml
机器学习
深度学习
sklearn算法原理
BP神经网络
RBF神经网络
评分卡
免费
知识仓库
|
开通VIP
关于我们
关闭
用户登录
忘记密码?
注册
登录
目录
>
机器学习
>
part1-机器学习入门
机器学习-学前解说
1.1.学前解说
【初识】机器学习-是个什么东西
【解疑】机器学习-新人常见问题
【资料】机器学习-有什么好资料
【介绍】机器学习-要学什么内容
【课程】机器学习-老饼课程安排
1.2.环境安装
【安装】先安装一个-Anaconda
第一课:机器学习初探
2.1.机器学习初探
【入门】机器学习-入门例子解说
【建模】建模步骤-模型的三要素
【总结】机器学习-初步探索总结
2.2.认识线性回归
【模型】线性回归模型-原理解说
【实例】线性回归模型-实例讲解
【总结】线性回归模型-模型总结
【附件】最小二乘法-公式的推导
第二课:逻辑回归
3.1.认识信息与熵
【概念】机器学习-信息学的概念
3.2.认识梯度下降
【原理】梯度下降算法-原理解说
【代码】梯度下降算法-具体实现
【辨析】梯度下降算法-优点缺点
3.3.认识逻辑回归
【原理】逻辑回归模型-原理解说
【推导】逻辑回归模型-损失函数
【推导】逻辑回归模型-梯度推导
【代码】逻辑回归模型-实现代码
【总结】逻辑回归模型-学习总结
第三课:决策树
4.1.学前解说
【介绍】决策树模型-学前解说
4.2.CART分类树
【模型】CART决策树-初步认识
【构建】CART决策树-构建过程
【剪枝】CART决策树-预剪枝上
【剪枝】CART决策树-后剪枝下
【例子】CART决策树-使用示例
4.3.其它决策树
【模型】Cart回归树-模型介绍
【模型】ID3-决策树-模型介绍
【模型】C4.5决策树-模型介绍
第四课:聚类、分类、降维
5.1.朴素贝叶斯分类
【原理】朴素贝叶斯--模型原理
【实例】朴素贝叶斯--实例讲解
【代码】朴素贝叶斯--代码实现
5.2.k-means聚类
【初识】聚类算法(Cluster)介绍
【原理】kmeans聚类-原理解说
【代码】kmeans聚类-代码实现
5.3.PCA主成分分析
【概念】协方差-相关系数-介绍
【原理】PCA主成分分析--原理
【代码】PCA主成分分析--代码
第五课:建模与实践
6.1.建模常识
【概念】了解一下过拟合--介绍
【概念】了解一下正则化--介绍
【指标】模型常见评估指标 (上)
【指标】模型常见评估指标 (下)
【介绍】说说数据归一化--介绍
6.2.建模例子
【实践】机器学习-建模例子(一)
【实践】机器学习-建模例子(二)
【实践】机器学习-建模例子(三)
机器学习入门-总结
7.1.总结
【总结】机器学习入门-学习总结
老饼讲解:一步一步上手学习
【介绍】说说数据归一化--介绍
作者 : 老饼
发表日期 : 2025-11-15 16:58:59
更新日期 : 2026-05-21 13:02:20
老饼讲解-简单易懂,干货满满,爽过嗦螺!
会员文章
请
登录
后查看
上一篇:
【指标】模型常见评估指标 (下)
下一篇:
【实践】机器学习-建模例子(一)
评论
添加评论
发表
教程
part1-机器学习入门
part2-机器学习进阶