黑马6节课机器学习入门
〖课程目录〗:& `2 O- ~% J8 l, ]4 X├─第一节
│ 1.机器学习简介
│ 02_特征工程之字典特征抽取
│ 03_特征工程之文本特征抽取以及中文问题- T8 T# S0 W#
│ 04_特征工程之文本tfidf
│ * d0 S/ V: ?. e! Z/ F& YC5 }
├─第三节
│ 01_特征工程-数据的降维之特征选择
│ 02_降维案例1' h% X) J) p& l; p( F
│ 03_降维案例2
│ 04_机器学习算法分类以及开发流程6 W$ IT7 Q' R2 ]
│ 8 U3 p" tc, u7 `& W
├─第二节7 ~% c: I4 h, d& r& L
│ 01_特征工程之特征预处理-归一化8 V/ ^9 q0 @z; ^: H1 c7 k
│ 02_特征工程之归一化以及标准化对比
│ % Z3 R# G' s; f7 _0 C
└─第四节
01_数据集的划分7 KX# w+ \+ l: c% L+ e
02_转换器与估计器4 |! g" U9 A! b; |9 g5 l3 k; j5 S
03_k-近邻算法以及案例预测入住位置
04_K-近邻算法案例/ r9 T" d: T5
05_k-近邻算法总结
│
├─第五节
│ 01_交叉验证与网格搜索对K-近邻算法调优
│ 02_决策树之信息论基础
│ 03_决策树的划分以及案例s0 a. \: H5 i/ z! J
│ 04_决策树的保存结果分析1 Q/ b3 P# w6 w; u$ n
│
├─第六节
│ 01_线性回归的定义以及矩阵的运算# v4 u; k6 c# t( Z
│ 02_线性回归策略，优化，案例
│ 03_线性回归两种求解方式总结**** Hidden Message *****
hhhhhhhhhhhhhhhhhhhhhhhhh
页:
[1]