点播
课程时长 01小时09分钟
学习期限 12 个月 退款期限 7 天
市场价格 免费 会员价格 免费
难度级别 入门 学习人次 6 综合评分 5.0
- 详情
- 目录
欢迎来到这门面向初学者的经典机器学习课程！无论您是这个主题的新手，还是希望复习某个领域的经验丰富的 Machine Learning 从业者，我们都很高兴您加入我们，参加我们从 101 级别开始的机器学习在线课程！ 在本视频系列中，您将了解有关经典机器学习的所有信息，包括线性回归和逻辑回归等主题。您将动手操作在 Visual Studio Code 中利用 Jupyter Notebook 编写代码，并了解如何使用 SciKit Learn、NumPy、Pandas 和 Matplotlib 等工具构建和使用机器学习模型。
面向初学者的机器学习简介 [第 1 部分] |适合初学者的机器学习
机器学习的历史 [第 2 部分] |适合初学者的机器学习
机器学习技术 [第 3 部分] |适合初学者的机器学习
设置工具，为构建机器学习模型做好准备 [第 4 部分] |适合初学者的机器学习
机器学习回归模型简介 [第 5 部分] |适合初学者的机器学习
设置 Jupyter Notebook 以开始构建回归模型 [第 6 部分] |适合初学者的机器学习
你的第一个 Python 线性回归项目 [第 7 部分] |适合初学者的机器学习
如何分析和清理数据集 [第 8 部分] |适合初学者的机器学习
如何使用 Matplotlib 可视化数据 [第 9 部分] |适合初学者的机器学习
了解线性回归 [第 10 部分] |适合初学者的机器学习
寻找相关性：线性回归的关键 [部分 11] |适合初学者的机器学习
使用 Scikit-learn 的线性和多项式回归 [第 12 部分] |适合初学者的机器学习
使用线性回归进行分类特征预测 [第 13 部分] |适合初学者的机器学习
了解机器学习分类的 Logistic 回归 [第 14 部分] |面向初学者的机器学习
Logistic 回归的数据分析和准备 [第 15 部分] |适合初学者的机器学习
用于数据分类的 Logistic 回归 [部分 16] |适合初学者的机器学习
使用 ROC 曲线分析 Logistic 回归性能 [Part 17] |适合初学者的机器学习
授课教师
官方人员