【技术干货】菜菜的机器学习sklearn【全85集】Python进阶
Parts
- P1 · 1 1.0 本周要学什么以及Sklearn入门简介
- P2 · 1 1.1 决策树是如何工作的
- P3 · 1 1.2 sklearn中的决策树
- P4 · 1 1.3重要参数
- P5 · 1 1.4 数据探索
- P6 · 1 1.5 数据划分
- P7 · 1 1.6 建模并进行探索
- P8 · 1 1.7 分枝随机模式参数
- P9 · 1 1.8 决策树剪枝
- P10 · 1 1.9 目标权重参数以及重要接口
- P11 · 2 2.0 本周要学什么
- P12 · 2 2.1 随机森林概述
- P13 · 2 2.2 随机森林建模流程及重要参数
- P14 · 2 2.3 建模及参数代码实现
- P15 · 2 2.4 机器学习调参思想
- P16 · 2 2.5 在乳腺癌数据集上进行建模
- P17 · 2 2.6 随机森林在乳腺癌数据集上的调参
- P18 · 3 3.0 本周学什么以及数据预处理和特征工程简介
- P19 · 3 3.1 数据无量纲化
- P20 · 3 3.2 数据统一量纲代码实现
- P21 · 3 3.3 缺失值处理
- P22 · 3 3.4 编码与哑变量
- P23 · 3 3.5 独热编码创建哑变量
- P24 · 3 3.6 处理连续型特征 二值化分段
- P25 · 4 4.0本周要学什么以及算法概述
- P26 · 4 4.1 PCA与SVD原理简述
- P27 · 4 4.2 PCA与SVD算法原理
- P28 · 4 4.3 重要参数
- P29 · 4 4.4 降维代码实现
- P30 · 4 4.5 机器学习问题解答
- P31 · 5 5.0 本周要学什么
- P32 · 5 5.1 逻辑回归原理概述
- P33 · 5 5.2 我们为什么需要逻辑回归
- P34 · 5 5.3 sklearn中的逻辑回归
- P35 · 5 5.4 逻辑回归中的正则化
- P36 · 5 5.5 正则化代码实现
- P37 · 5 5.6 那种正则化化的效果更好
- P38 · 5 5.7 正式版会讲什么
- P39 · 6 6.1 聚类算法概述
- P40 · 6 6.2 Kmeans是如何工作的
- P41 · 6 6.3 簇内误差平方和的定义
- P42 · 6 6.4 重要参数代码实现
- P43 · 6 6.5 聚类算法中的轮廓系数
- P44 · 6 6.6 基于轮廓系数进行选择N_clusters
- P45 · 7 7.1 SVM概述
- P46 · 7 7.2 SVM是如何工作的
- P47 · 7 7.3 线性SVM的损失函数
- P48 · 7 7.4 线性SVM的推导
- P49 · 7 7.5 线性SVM决策过程的可视化过程
- P50 · 7 7.6 SVM可视化代码实现
- P51 · 8 8.1 概述
- P52 · 8 8.2 SVM中的核函数
- P53 · 8 8.3 核函数代码实现
- P54 · 8 8.4 核函数运行结果
- P55 · 8 8.5 使用网格搜索对SVM进行调整
- P56 · 8 8.6 软间隔与SVM中的重要参数C
- P57 · 8 8.7 完整版会讲什么
- P58 · 9 9.1 多元线性回归基本原理
- P59 · 9 9.2 最小二乘法求解多元线性回归参数
- P60 · 9 9.3 回归建模
- P61 · 9 9.4 探索建立的模型
- P62 · 9 9.5 多元线性回归的评估指标
- P63 · 9 9.6 评估指标中的检测
- P64 · 10 10.1 朴素贝叶斯概述
- P65 · 10 10.2 朴素贝叶斯是如何工作的
- P66 · 10 10.3 朴素贝叶斯公式推导
- P67 · 10 10.4 朴素贝叶斯公式推导案例
- P68 · 10 10.5 sklearn中的朴素贝叶斯
- P69 · 10 10.6 不同分布下的贝叶斯
- P70 · 11 1本周要学习什么
- P71 · 11 2 XGBoost前瞻:安装xgboost,xgboost库与sklearn API
- P72 · 11 2.1 梯度提升树(1):集成算法回顾,重要参数n_estimators
- P73 · 11 2.1 梯度提升树(2):参数n_estimators下的建模
- P74 · 11 2.1 梯度提升树(3):参数n_estimators的学习曲线
- P75 · 11 2.1 梯度提升树(4):基于方差-偏差困境改进的学习曲线
- P76 · 11 2.2 梯度提升树(5):控制有放回随机抽样,参数subsample
- P77 · 11 2.3 梯度提升树(6):迭代决策树:重要参数eta
- P78 · 11 2.3 梯度提升树(7):迭代决策树:重要参数eta
- P79 · 11 3完整版中会含有的内容
- P80 · 12 12.1 神经网络概述
- P81 · 12 12.2 神经网络基本原理
- P82 · 12 12.3 神经网络的输入、隐藏与输出层
- P83 · 12 12.4 神经网络中的参数w
- P84 · 12 12.5 神经网络是如何工作的
- P85 · 12 12.6 sklearn中的神经网络
Description
简介:菜菜的sklearn课堂大合集! 完整版课程欢迎咨询小可爱:littebird_0229(微信)
Comments
我在b站看过最好的了。。建议黑马倒闭
♥ 210 ↩ 11
[给心心]sklearn公开课是正课内容的「节选内容」,领取课件/获取完整版内容,请加vx号littlebird_0228!原本的vx已满,加新号获取完整内容哦~ 购买任意新课可赠送sklearn全套内容哦~爱你们[惊喜] ======================== 2022新版机器学习基础公开课:https://www.bilibili.com/video/BV1f3411r7EP 2022模型融合公开课全集:https://www.bilibili.com/video/BV1PR4y1u7iB/ 2022集成学习公开课: 01 Bagging与随机森林:https://www.bilibili.com/video/BV1Bm4y1D73d/ 02 随机森林在巨量数据上的增量学习:https://www.bilibili.com/video/BV13R4y1g721/ 03 Boosting与AdaBoost:https://www.bilibili.com/video/BV1XS4y157eq/ 4 梯度提升树GBDT:https://www.bilibili.com/video/BV1tF411n7cS/ 05 梯度提升树的八种损失函数:https://www.bilibili.com/video/BV1AZ4y1Z79H/ 06 GBDT+贝叶斯优化调参实战:https://www.bilibili.com/video/BV1n34y147d8/ 07 XGBoost回归的实现:https://www.bilibili.com/video/BV16P4y1T7u3/ 08 XGBoost的目标函数及相关参数:https://www.bilibili.com/video/BV1Au411B7bC/ 09 XGBoost分枝原理详解:https://www.bilibili.com/video/BV1XS4y1U7pP/ 2022优化算法公开课: 01 随机与Halving网格搜索:https://www.bilibili.com/video/BV1UL411L7yk/ 02 贝叶斯优化:https://www.bilibili.com/video/BV1aa41167oS/
♥ 112 ↩ 17
pycharm打不开 决策树 是因为 pip install graphviz 是不可以的 要先去官网下载 然后将graphviz的bin文件添加到环境变量中 可以去csdn上找 就会有相应的教程了 添加完成后 graph.view() 就可以了
♥ 99 ↩ 6
其他的不敢说,看了很多SVM,这个是最好的[支持]三连加关注了
♥ 48 ↩ 7
[给心心]sklearn公开课是正课内容的「节选内容」,领取课件/获取完整版内容,请加vx号littlelion1206~ 爱你们哟~[OK]
♥ 47 ↩ 22
产品不能落地,公司把我拉去做qt了[嫌弃]
♥ 46 ↩ 2
网格搜索调随机森林参数这里 不知道自己理解的对不对 看了别的教材 都有提到 在网格CV搜索也要先提前分测试集和训练集 菜菜这里的直接对data和target进行了 搜索寻优 导致最后的best_score_ 可能不是test set里的score 我讲原数据划分测试训练数据集后 寻优后再对test set 进行调用score接口 结果会好很多 不知道自己理解的对不对
♥ 41 ↩ 3
CSDN社区有个人抄袭你的pdf当原创,https://blog.csdn.net/c1z2w3456789/article/details/105247565,已举报
♥ 31 ↩ 7
我在搞毕业设计有关机器学习,对机器学习产生了浓厚的兴趣
♥ 25 ↩ 5
请问up文档课件可以分享一下么
♥ 15 ↩ 3
好喜欢菜菜老师
♥ 14 ↩ 1
菜菜发际线太感人了[笑哭]
♥ 11 ↩ 3
请问我的Jupyterlab运行的时候不会出现红酒的库,怎么弄了??请帮忙解答下,谢谢!! NameError Traceback (most recent call last) <ipython-input-2-4afa4b89f175> in <module> ----> 1 wine NameError: name 'wine' is not defined
♥ 10 ↩ 13
都快5月了。。。怎么还不见人影呢。。。是不是安全啊。。。希望菜菜一切安好。。。另外深度学习的视频什么时候肝出来啊~[星星眼]
♥ 9 ↩ 6
菜菜,[微笑]我申请了好友,想进群获取资料
♥ 8
老师推荐过来看的,真的讲得好,通俗易懂!!!
♥ 8 ↩ 6
决策树那一节为什么照着菜菜的代码敲的,但是显示不出图形嗷?
♥ 7 ↩ 2
data Age Sex Embarked Survived 22 male S 0 代码 X = data.iloc【:,1:-1】 菜菜老师,我不太明白1 和 -1和上表的列标签有什么样的对应关系(就比如:处理分类标签的时候-1代表最后一列的Survived,但是在处理分类特征的时候为啥-1又代表倒数第二列的数据Embarked 了呢?)还请老师解答 ,非常感谢(❁´ω`❁)
♥ 5 ↩ 2
课件到了降维算法之后 就不全了
♥ 5 ↩ 1
声音好小
♥ 5