B站 - 机器学习必修课：经典AI算法与编程实战 瞿炜
├01-1课程内容和理念.mp4
├01-2初识机器学习.mp4
├01-3课程使用的技术栈.mp4
├02-1本章总览.mp4
├02-2数据长什么样：常见数据集、典型实例、如何使用.mp4
├02-3研究哪些问题：分类、回归等.mp4
├02-4如何分门别类：监督、无监督、强化学习等.mp4
├02-5机器学习的七大常见误区和局限.mp4
├03-1本章总览：相互关系与学习路线.mp4
├03-2Anaconda图形化操作.mp4
├03-3Anaconda命令行操作.mp4
├03-4JupyterNotebook基础使用.mp4
├03-5JupyterNotebook高级使用：常用魔法命令.mp4
├03-6Numpy基础：安装与性能对比.mp4
├03-7Numpy数组创建：特定数组、等差数组、随机数组.mp4
├03-8Numpy数组基础索引：索引和切片.mp4
├03-9Numpy非常重要的数组合并与拆分操作.mp4
├03-10Numpy数组矩阵运算：一元运算、二元运算与矩阵运算.mp4
├03-11Numpy数组统计运算：常用的都在这儿了.mp4
├03-12Numpy数组arg运算和排序.mp4
├03-13Numpy数组神奇索引和布尔索引.mp4
├03-14Matplotlib数据可视化：基础绘制与设置.mp4
├04-1本章总览.mp4
├04-2KNN算法核心思想和原理.mp4
├04-3KNN分类任务代码实现.mp4
├04-4数据集划分：训练集与预测集.mp4
├04-5模型评价.mp4
├04-6超参数.mp4
├04-7特征归一化.mp4
├04-8KNN回归任务代码实现.mp4
├04-9KNN优缺点和适用条件.mp4
├05-1本章总览.mp4
├05-2线性回归核心思想和原理.mp4
├05-3逻辑回归核心思想和原理.mp4
├05-4线性回归代码实现.mp4
├05-5模型评价：MSE、RMSE、MAE和R方.mp4
├05-6多项式回归代码实现.mp4
├05-7逻辑回归算法.mp4
├05-8线性逻辑回归代码实现.mp4
├05-9多分类策略.mp4
├05-10复杂逻辑回归及代码实现.mp4
├05-11线性算法优缺点和适用条件.mp4
├06-1本章总览.mp4
├06-2损失函数.mp4
├06-3梯度下降.mp4
├06-4决策边界.mp4
├06-5过拟合与欠拟合.mp4
├06-6学习曲线.mp4
├06-7交叉验证.mp4
├06-8模型误差.mp4
