当前位置:首页 > 全部课程 > 算法模型 > 机器学习 > 《机器学习经典案例
机器学习经典案例

已完结 机器学习经典案例

18人已学习 收藏 分享赚 ¥44.9元
价 格
89.00 ~ 449.00
打开微信扫描二维码
点击右上角进行分享

开通以下任意VIP等级即可免费学习本课程

我已阅读并同意《VIP服务协议》
开通 取消

详情

目录

资料(0)

评价(0)

【课程详情】

  • 01.课程简介

  • 03.使用Anaconda搭建python环境

  • 04.Kobe.Bryan生涯数据读取与简介

  • 05.特征数据可视化展示

  • 06.数据预处理

  • 07.使用scikit-learn建立分类模型

  • 08.数据简介及面临的挑战

  • 09.数据不平衡问题解决方案

  • 10.逻辑回归进行分类预测

  • 11.使用阈值来衡量预测标准

  • 12.使用数据生成策略

  • 13.数据简介与特征化展示

  • 14.不同特征的分布规则

  • 15.决策树模型参数详解

  • 16.决策树中参数的选择

  • 17.将建立好决策树可视化展示出来

  • 18.船员数据分析

  • 19.数据预处理

  • 20.使用回归算法进行预测

  • 21.使用随机森林改进模型

  • 22.随机森林特征重要性分析

  • 23.级联模型原理

  • 24.数据预处理与热度图

  • 25.二阶段输入特征制作

  • 26.使用级联模型进行预测

  • 27.数据简介与特征预处理

  • 28.员工不同属性指标对结果的影响

  • 29.数据预处理

  • 30.构建预测模型

  • 32.tensorflow框架的安装

  • 33.神经网络模型概述

  • 34.使用tensorflow设定基本参数

  • 35.卷积神经网络模型

  • 36.构建完整的神经网络模型

  • 37.训练神经网络模型

  • 38.PCA原理简介

  • 39.数据预处理

  • 40.协方差分析

  • 41.使用PCA进行降维

  • 42.数据简介与故事背景

  • 43.基于词频的特征提取

  • 44.改进特征选择方法

  • 45.数据清洗

  • 46.数据预处理

  • 47.盈利方法和模型评估

  • 48.预测结果

相关说明:

1、资源部分来源于网络公开发表文件,所有资料仅供学习交流。

2、所收取费用仅用来维系网站运营,性质为用户友情赞助,并非售卖文件费用。

3、如侵犯您的权益,请联系管理员处理。

机器学习经典案例[46课时]

01.课程简介 (03:01)

【免费试听】 03.使用Anaconda搭建python环境 (13:10)

【免费试听】 04.Kobe.Bryan生涯数据读取与简介 (07:45)

05.特征数据可视化展示 (11:40)

06.数据预处理 (12:31)

07.使用scikit-learn建立分类模型 (10:11)

08.数据简介及面临的挑战 (10:55)

09.数据不平衡问题解决方案 (13:13)

10.逻辑回归进行分类预测 (15:26)

11.使用阈值来衡量预测标准 (17:04)

12.使用数据生成策略 (10:59)

13.数据简介与特征化展示 (11:10)

14.不同特征的分布规则 (06:32)

15.决策树模型参数详解 (11:07)

16.决策树中参数的选择 (09:27)

17.将建立好决策树可视化展示出来 (08:46)

18.船员数据分析 (06:09)

19.数据预处理 (13:36)

20.使用回归算法进行预测 (14:30)

21.使用随机森林改进模型 (12:56)

22.随机森林特征重要性分析 (10:39)

23.级联模型原理 (05:06)

24.数据预处理与热度图 (10:25)

25.二阶段输入特征制作 (06:35)

26.使用级联模型进行预测 (13:28)

27.数据简介与特征预处理 (13:34)

28.员工不同属性指标对结果的影响 (15:42)

29.数据预处理 (12:03)

30.构建预测模型 (10:28)

32.tensorflow框架的安装 (04:19)

33.神经网络模型概述 (12:52)

34.使用tensorflow设定基本参数 (09:51)

35.卷积神经网络模型 (10:49)

36.构建完整的神经网络模型 (14:31)

37.训练神经网络模型 (12:33)

38.PCA原理简介 (05:33)

39.数据预处理 (08:42)

40.协方差分析 (10:26)

41.使用PCA进行降维 (07:46)

42.数据简介与故事背景 (04:11)

43.基于词频的特征提取 (10:24)

44.改进特征选择方法 (12:25)

45.数据清洗 (12:07)

46.数据预处理 (10:12)

47.盈利方法和模型评估 (13:25)

48.预测结果 (12:46)

暂时没有任何课件
综合
好评
0%
  • 综合评分5.00
  • 内容实用5.00
  • 通俗易懂5.00
友情链接:

邮箱:didabiancheng@126.com

地址:厦门火炬高新区软件园创新大厦C区3F-A487

Android/IOS App

微信小程序

微信公众号

VIP特权
微信客服
微信扫一扫咨询客服