p1 day1-1.什麼是機器學習 22:44
p2 day1-2.資料集相關09:49
p3 day2-1.特徵工程簡介-06:51
p4 day2-2.字典特徵抽取 13:14
p5 day2-3.one-hot編碼 07:55
p6 day2-4.文字特徵抽取12:52
p7 day2-5.特徵預處理-歸一化&標準化 15:07
p8 day2-6.特徵選擇-方差過濾&pca降維 15:40
p9 day3-1.資料集的拆分&獲取 24:24
p10 day3-2.資料型別&開發流程 21:30
p11 day4-1.knn分類原理介紹 12:32
p12 day4-2.電影分類案例 04:20
p13 day4-3.knn基於鳶尾花分類實現流程16:43
p14 day4-4.**年收入 15:02
p15 day4-5.學習曲線繪製10:52
p16 day4-6.約會**匹配分類17:54
p17 day5-1.交叉驗證22:28
p18 day6-1.線性回歸概述+線性方程推導29:31
p19 day6-2.線性推導 23:42
p20 day6-3.加州房價**15:27
p21 day6-4.回歸模型評價指標28:48
p22 day7-1.過擬合&欠擬合15:54
p23 day7-2.多項式回歸26:48
p24 day7-3.嶺回歸09:27
p25 day8-1.樸素貝葉斯概率論介紹13:15
p26 day8-2.高斯分布概述07:36
p27 day8-3.高斯函式16:10
p28 day8-4.高斯模型實現的手寫數字分類10:56
p29 day8-5.多項式模型原理24:11
p30 day8-6.多項式實現文章分類16:31
p31 day8-7.伯努利模型07:50
p32 day9-1.邏輯回歸分類原理26:01
p33 day9-2.損失函式15:14
p34 day9-3.梯度下降09:04
p35 day9-4.正則化處理模型過擬合12:31
p36 day9-5.模型重要引數10:02
p37 day10-1.woe&iv編碼15:03
p38 day10-2.iv&woe的實現16:05
p39 day10-3.樣本類別分布不均衡處理14:29
p40 day11-1.混淆矩陣16:28
p41 day11-2.四種評價指標介紹10:14
p42 day11-3.auc 10:27
p43 day11-4.評價指標作用在鳶尾花的應用09:35
p44 day12-1.認識決策樹14:34
p45 day12-2.貪心演算法12:49
p46 day12-3.不純度11:21
p47 day12-4.資訊熵14:25
p48 day12-5.資訊增益--06:55
p49 day12-6.id3原理展示16:17
p50 day12-7.其他演算法14:01
p51 day12-8.模型類使用01 13:54
p52 day12-9.模型類的使用02 12:53
p53 day12-10.海難生存案例&網格搜尋 20:01
深度學習（一）深度學習學習資料
持續更新 一 學習清單 1 收集了各種最新最經典的文獻，神經網路的資源列表 2 計算機視覺學習清單 3 機器學習學習清單 二 訓練資料 人臉資料 1 香港中文大學訓練資料集 此資料庫包含了20w張人臉，每張標註了5個特徵點 以及幾十種屬性 是否微笑 膚色 髮色 性別等屬性 2 68個人臉特徵點 3 ...
HOG SVM學習過程收藏的深度學習文章
基於傳統影象處理的目標檢測與識別 hog svm附 較全面的hog svm目標識別講解 影象處理之gamma校正 通俗理解伽馬校正，很簡單 一文弄懂神經網路中的反向傳播法 backpropagation 較通俗，可以快速理解bp演算法 deep learning 神經網路基礎深度學習的一些基本概念 ...
深度學習系列 深度學習簡介
機器學習 使用計算機系統利用經驗改善效能，是人工智慧領域的分支，也是實現人工智慧的一種手段。表徵學習關注如何自動找出表示資料的合適方式，以便更好地將輸入變換為正確的輸出。深度學習 具有多級表示的表徵方法，在每一級 原始資料開始 通過簡單的函式將該級的表示變換為更高階的表示。可以將深度學習看作多個簡單...