人工智能从入门到放弃-Sklearn实战（目录）

博客配套视频链接：

链接: https://space.bilibili.com/383551518?spm_id_from=333.1007.0.0 b 站直接看

链接: https://pan.baidu.com/s/1eti5aKScgO01VuWg9p2qMw 密码: 想要全套课程配套文本的可以添加微信 chenyoudea 索要

目录

• 01部分 机器学习基础
• 02部分 监督学习
• 03部分 无监督学习
• 04部分 集成学习
• 05部分 特征工程
• 06部分 深度学习
• 07部分 推荐系统
• 08部分 sklearn实战
• 09部分 tensorflow实战
• 附录A：优化算法
• 附录B：数学
• 附录C：项目
• 推荐阅读

01部分 机器学习基础

01-01 机器学习

02部分 监督学习

02-01 感知机

02-02 感知机原始形式(鸢尾花分类)

02-03 感知机对偶形式(鸢尾花分类)

02-04 线性回归

02-05 scikit-learn库之线性回归

02-06 普通线性回归(波斯顿房价预测)+特征选择

02-07 多元线性回归(波士顿房价预测)

02-08 多项式回归(波士顿房价预测)

02-09 对数线性回归(波士顿房价预测)

02-10 正则化线性回归(波士顿房价预测)

02-11 RANSAC算法线性回归(波斯顿房价预测)

02-12 Logistic(逻辑)回归

02-13 Softmax回归

02-14 scikit-learn库之逻辑回归

02-15 Logistic回归(鸢尾花分类)

02-16 k近邻算法

02-17 kd树

02-18 scikit-learn库之k近邻算法

02-19 k近邻算法(鸢尾花分类)

02-20 kd树(鸢尾花分类)

02-21 决策树ID3算法

02-22 决策树C4.5算法

02-23 决策树CART算法

02-24 决策树总结

02-25 scikit-learn库之决策树

02-26 决策树(鸢尾花分类)

02-27 朴素贝叶斯

02-28 scikit-learn库之线朴素贝叶斯

02-29 朴素贝叶斯(垃圾邮件分类)

02-30 线性可分支持向量机

02-31 线性支持向量机

02-32 线性支持向量9-机(鸢尾花分类)

02-33 非线性支持向量机

02-34 非线性支持向量机(鸢尾花分类)+自定义数据分类

02-35 scikit-learn库之支持向量机

02-36 支持向量回归

02-37 支持向量机总结

03部分 无监督学习

03-01 K-Means聚类算法

04部分 集成学习

04-01 集成学习基础

04-02 AdaBoost算法

04-03 scikit-learn库之AdaBoost算法

04-04 AdaBoost算法代码(鸢尾花分类)

04-05 提升树

04-06 梯度提升树

04-07 scikit-learn库之梯度提升树

04-08 梯度提升算法代码(鸢尾花分类)

04-09 XgBoost算法

04-10 Bagging和随机森林

04-11 随机森林代码(葡萄酒质量检测)

04-12 scikit-learn库之随机森林

05部分 特征工程

05-01 特征预处理

05-02 特征选择

05-03 主成分分析(PCA)

05-04 scikit-learn库之主成分分析

05-05 主成分分析代码(手写数字识别)

05-06 模型选择

06部分 深度学习

06-01 DeepLearning-图像识别

07部分 推荐系统

07-01 推荐系统常用度量指标

07-02 基于协同过滤的推荐算法

08部分 sklearn实战

08-00 课程习得

08-01 通过线性回归了解算法流程

08-02 机器学习算法原理

08-03 细分构建机器学习应用程序的流程-流程简介

08-04 细分构建机器学习应用程序的流程-数据收集

08-05 细分构建机器学习应用程序的流程-数据预处理

08-06 细分构建机器学习应用程序的流程-训练模型

08-07 细分构建机器学习应用程序的流程-测试模型

08-08 细分构建机器学习应用程序的流程-模型优化

09部分 tensorflow实战

09-01 Tensorflow1基本使用

09-02 Tensorflow2教程

附录A：优化算法

A-01 最小二乘法

A-02 梯度下降法

A-03 牛顿法和拟牛顿法

A-04 坐标轴下降法

A-05 前向选择法和前向梯度法

A-06 最小角回归法

A-07 前向分步算法

A-08 拉格朗日对偶性

附录B：数学

B-微积分-Sigmoid函数

B-微积分-sign(符号)函数

B-概率论-常见的概率分布模型

B-概率论-条件概率

B-概率论-极大似然估计

B-概率论-熵和信息增益

B-概率论-贝叶斯决策

B-线性代数-矩阵转置

B-线性代数-范数

B-线性代数-距离公式汇总

B-经济学-基尼指数

附录C：项目

C-01 手写数字识别

C-02 推荐系统

推荐阅读

pytorch从入门到放弃（目录）

Python从入门到放弃（目录）

人工智能从入门到放弃（目录）

数据结构与算法-江西师范大学865（针对考研or面试）（目录）

十天快速入门Python（目录）

数据结构与算法-Python/C（目录）

Go从入门到放弃（目录）

TensorFlow2教程-旧（目录）

机器学习-项目杂记（目录）

Python能干啥-项目杂记（目录）

大数据分析和人工智能科普

人工智能（机器学习）学习之路推荐

推荐书单（网课）-人生/编程/Python/机器学习

曾Python培训讲师-Python开发无包装简历