‘机器学习是关于机器如何配备人工智能像人一样学习’
欢迎来到机器学习和使用 Python 3 实现它的课程。正如标题所说，本课程建议您具有 Python 3 的基础知识，以便轻松掌握实现部分，但这不是强制性的。
本课程对 ML 的核心概念有很强的内容，例如它的特征、构建 ML 模型所涉及的步骤 – 数据预处理、模型微调、过度拟合、欠拟合、偏差、方差、混淆矩阵和 ML 模型的性能度量。我们将了解许多预处理技术的重要性，例如二值化、MinMaxScaler、Standard Scaler
我们可以在 Python 中使用 scikit-learn 库在几行中实现许多 ML 算法。我们不能吗？然而，这无助于我们理解算法。因此，在本课程中，我们将首先了解算法背后的数学和概念，然后我们将在 Python 中实现相同的内容。我们还将可视化算法以使其更有趣。我们将在本课程中讨论的算法是：
1. 线性回归
2.逻辑回归
3. 支持向量机
4. KNN 分类器
5. KNN 回归器
6. 决策树
7. 随机森林分类器
8. 朴素贝叶斯分类器
9. 聚类
MP4 | Video: h264, 1280×720 | Audio: AAC, 44100 Hz
Language: English | Size: 2.65 GB | Duration: 7h 37m
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
