课程概述
本季课程是Python人工智能系列：
第5-1季：机器学习-线性回归&K近邻
全课程分为4个章节, 具体内容如下：
第一章 机器学习与特征工程
第二章 线性回归入门
第三章 波士顿房价预测
第四章 K近邻分类算法
第5-1季：机器学习-线性回归&K近邻
全课程分为4个章节, 具体内容如下：
第一章 机器学习与特征工程
第二章 线性回归入门
第三章 波士顿房价预测
第四章 K近邻分类算法
吾生也有涯，而知也无涯。
-
T
-
H
-
H
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
A
返现请截订单图发我微信
WX: wangadou2012
返现请加微信:
wangadou2012
- 课程目录
- 课程介绍
-
课时1:课程介绍与资源下载
-
课时2:人工智能与机器学习概念介绍
-
课时3:归一化、标准化
-
课时4:分词、One-hot编码
-
课时5:线性回归原理介绍
-
课时6:sklearn机器学习框架
-
课时7:线性回归极简案例
-
课时8:线性回归的缺点
-
课时9:手写多项式回归
-
课时10:线性回归预测房价
-
课时11:多项式与过拟合
-
课时12:模型可解释性与可视化
-
课时13:模型保存与加载
-
课时14:K近邻极简案例
-
课时15: K近邻识别图形图像
-
课时16:交叉验证与网格搜索
-
课时17:课程总复习和下季剧透