001.数学回顾1
    002.数学回顾1
    003.数学回顾2
    004.数学回顾2
    005.数学回顾3
    006.数学回顾3
    007.数学回顾4
    008.数学回顾4
    009.机器学习概述5
    010.机器学习概述5
    011.机器学习概述
    012.机器学习概述
    013.01数学重点知识回顾(循)
    014.02数学重点知识
    015.03数学重点知识
    016.04数学重点知识
    017.01模型的评估
    018.02模型的评估
    019.03-线性回归
    020.04-线性回归
    021.05-线性回归最小二乘法
    022.06-线性回归最小二乘法
    023.07-线性回归梯度下降
    024.08-线性回归梯度下降
    025.09-梯度下降和案例
    026.10-梯度下降和案例
    027.11-线性回归案例
    028.12-线性回归案例
    029.01-线性回归电流案例
    030.02-岭回归和lasso回归
    031.03-岭回归和lasso回归案例
    032.04-岭回归和lasso回归案例
    033.05-葡萄酒案例
    034.06-波士顿房价案例
    035.07-波士顿房价案例
    036.08-逻辑回归1
    037.09-逻辑回归1
    038.10-逻辑回归2
    039.11-逻辑回归2
    040.01-逻辑回归的回顾及案例-机器学习
    041.02-逻辑回归的回顾及案例-机器学习
    042.04-乳腺癌案例和softmax案例
    043.05-葡萄酒质量的检测
    044.03-葡萄酒质量的检测
    045.03-乳腺癌案例和softmax案例
    046.06-葡萄酒质量的检测
    047.07-K最近临1
    048.08-K最近临1
    049.09-K最近临2
    050.10-K最近临2
    051.11-K最近临案例
    052.12-K最近临案例
    053.01-信贷审批AI
    054.02-信贷审批AI
    055.03-鸢尾花数据分类
    056.04-鸢尾花数据分类
    057.05-决策树
    058.06-决策树
    059.07-决策树ID3算法
    060.08-决策树ID3算法
    061.09-决策树cart树
    062.10-决策树cart树
    063.11-决策树cart树2
    064.12-决策树cart树2
    065.01-决策树回顾
    066.02-决策树回顾
    067.03-集成学习
    068.04-集成学习
    069.05-随机森林-机器
    070.06-随机森林案例
    071.07-随机森林案例
    072.08-Adaboost算法
    073.09-Adaboost算法
    074.10-Adaboost算法2
    075.11-Adaboost算法2
    076.01-Adaboost算法案例
    077.02-Adaboost算法案例
    078.03-GBDT算法
    079.04-GBDT算法
    080.05-GBDT和XGboost介绍
    081.06-Xgboost算法
    082.07-Xgboost算法
    083.08-Xgboost算法2
    084.09-Xgboost算法2
    085.10-树模型算法的总结
    086.11-树模型算法的总结
    087.01-聚类算法Kmeans
    088.02-聚类算法Kmeans
    089.03-聚类算法Kmeans案例
    090.04-聚类算法Kmeans案例
    091.05-聚类算法K2
    092.06-聚类算法K2
    093.07-聚类的评估和层次聚类
    094.08-聚类的评估和层次聚类
    095.09-层次聚类优化算法
    096.10-层次聚类优化算法
    097.11-密度聚类
    098.12-密度聚类
    099.01-谱聚类
    100.02-谱聚类的案例
    101.03-谱聚类
    102.04-SVM算法的介绍
    103.05-SVM算法
    104.06-SVM算法
    105.07-SVM算法感知机模型
    106.08-SVM算法感知机模型
    107.09-线性可分的SVM
    108.10-线性可分的SVM
    109.11-SVM软间隔
    110.12-SVM软间隔
    111.01-SVM回顾
    112.02-SVM回顾
    113.03-SVM鸢尾花案例
    114.04-SVM鸢尾花案例
    115.05-SVM案例A
    116.06-oneclasssvc和SMO
    117.07-oneclasssvc和SMO
    118.08-SMO算法
    119.09-SMO算法
    120.10-SMO和SVR
    121.11-SMO和SVR
    122.01-朴素贝叶斯
    123.02-朴素贝叶斯
    124.03-朴素贝叶斯案例
    125.04-朴素贝叶斯案例
    126.05-贝叶斯网络
    127.06-贝叶斯网络
    128.07-EM算法
    129.08-EM算法
    130.09-EM算法2
    131.10-EM算法2
    132.11-EM算法3
    133.12-EM算法3
    134.01-GMM高斯混合算法
    135.02-GMM高斯混合算法
    136.03-GMM高斯混合算法2
    137.04-GMM高斯混合算法2
    138.05-GMM高斯混合算法
    139.06-HMM算法
    140.07-HMM算法三个问题
    141.08-HMM算法三个问题
    142.09-HMM算法概率问题前向算法
    143.10-HMM算法概率问题前向算法
    144.11-HMM算法前向算法案例
    145.12-HMM算法前向算法案例
    146.01-机器学习晚自习答疑
    147.02-机器学习晚自习答疑
    148.01-HMM概率问题
    149.02-HMM概率问题
    150.03-HMM学习问题
    151.04-HMM学习问题
    152.05-HMM预测问题
    153.06-HMM预测问题
    154.07-HMM预测问题案例
    155.08-HMM预测问题案例
    156.09-HMM预测问题案例
    157.10-主题模型
    158.11-主题模型LSA
    159.12-主题模型LSA
    160.01-主题模型NMF
    161.02-主题模型NMF
    162.03-主题模型LDA
    163.04-主题模型LDA
    164.05-主题模型LDA
    165.06-主题模型LDA
    166.07-特征工程1
    167.08-特征工程1
    168.09-特征工程2
    169.10-特征工程2
    170.11-特征工程3
    171.12-特征工程3
    172.02-机器学习循环课复习
    173.03-机器学习循环课复习
    174.05-学习循环课复习
    175.06-学习循环课复习
    176.01-机器学习特征工程4
    177.02-机器学习特征工程4
    178.03-机器学习特征工程5
    179.04-机器学习特征工程5
    180.05-机器学习特征工程6
    181.06-机器学习特征工程6
    182.07-机器学习特征工程之降维
    183.08-机器学习特征工程之降维
    184.09-机器学习特征工程之降维
    185.10-机器学习特征工程之降维
    186.11-机器学习之多分类
    187.12-机器学习之多分类
    188.01-垃圾邮件的过滤
    189.02-垃圾邮件的过滤
    190.03-垃圾邮件的过滤2A
    191.04-垃圾邮件的过滤2A
    192.05-垃圾邮件的过滤3A
    193.06-垃圾邮件的过滤3A
    194.07-垃圾邮件的过滤4
    195.08-垃圾邮件的过滤4
    196.09-金融反欺诈
    197.10-金融反欺诈
    198.11-机器学习回顾
    199.12-机器学习回顾