知驿📋 资源介绍
本合集为AI机器学习系统学习资源，共6130个文件、约524GB，以视频课程为主，配套讲义、PPT与源码。内容涵盖：张志华《机器学习》42讲（基本概念、随机向量、核方法、EM算法、谱聚类、SVM、Boosting等）；深度学习基础与进阶54讲（决策树、KNN、SVM、神经网络、梯度下降、Backpropagation、CNN、RBM等）；机器学习项目班36项（音乐推荐系统、神经网络机器翻译、风格转换、文本主题与分类、电商点击率预估、金融反欺诈模型等）；十月机器学习算法班20讲（概率统计、凸优化、回归、SVM、特征工程、推荐系统、CTR预估、贝叶斯网络、HMM、主题模型、CNN、RNN等）；另有3月/9月在线班及机器学习应用班视频与配套PDF、代码。适合零基础入门、算法进阶、转行求职及在职提升人群，可系统掌握机器学习与深度学习核心算法及项目实战，附讲义代码便于复现练习。
不想注册？也可 邮箱快速下单（¥29.90）
📦 免费拷贝服务（U盘 / 移动硬盘）
资源费用（50%）归资源提供方；拷贝人工费 U盘 10 元/只、硬盘按容量计费；运费按地区计费，可选顺丰（+100%）；费用合计满 ¥99 普通快递包邮；付款后 48 小时内发货。
费用构成：资源费用的 50% 归资源提供方（创作者分成）；拷贝人工费 U盘 10 元/只、硬盘按容量计费； 设备费为 U盘/硬盘成本。请自行核实资源内容：本店只提供下载和拷贝服务，无法核实商品内容的完整性与内容的版权合法性。
🗂️ 完整文件清单（6130 个文件 / 524.0GB）
📁 03机器学习-张志华 42 项
- 📄 01基本概念.mp4833MB
- 📄 05分布性质.mp4562MB
- 📄 18最大似然估计方法.mp4747MB
- 📄 07多项式分布.mp4801MB
- 📄 14主元分析.mp4854MB
- 📄 40SUM.mp4932MB
- 📄 35Linear classification1.mp4963MB
- 📄 28Fisher判别分析.mp4918MB
- 📄 11正定核性质.mp4732MB
- 📄 21MDS中加点方法.mp4650MB
- 📄 04多元高斯分布.mp4769MB
- 📄 33Fisher Discriminant Analysis.mp4977MB
- 📄 15主坐标分析.mp4732MB
- 📄 08多元高斯分布及应用.mp4746MB
- 📄 36Linear classification2.mp4987MB
- 📄 26K-means algorithm.mp4802MB
- 📄 10核定义.mp4840MB
- 📄 30谱聚类2.mp4998MB
- 📄 17概率PCA.mp4659MB
- 📄 31Computational Methods1.mp4905MB
- 📄 41Boosting1.mp4979MB
- 📄 24次导数.mp4784MB
- 📄 22矩阵次导数.mp4685MB
- 📄 39Support Vector Machines2.mp4932MB
- 📄 42Boosting2.mp4982MB
- 📄 32Computational Methods2.mp4981MB
- 📄 25spectral clustering.mp4620MB
- 📄 23T矩阵范数.mp4822MB
- 📄 38Support Vector Machines1.mp4962MB
- 📄 34Kernel FDA.mp4968MB
- 📄 20MDS方法.mp4993MB
- 📄 29谱聚类1.mp4955MB
- 📄 27Matrix Completion.mp4737MB
- 📄 13核主元分析.mp4836MB
- 📄 16期望最大算法.mp4717MB
- 📄 02随机向量.mp4784MB
- 📄 09渐进性质.mp4728MB
- 📄 37Naive Bayes方法.mp4988MB
- 📄 03随机向量性质.mp4717MB
- 📄 06条件期望.mp4789MB
- 📄 19EM算法收敛性.mp4912MB
- 📄 12正定核应用.mp4767MB
📁 06[机器学习-深度学习]----最新深度学习与机器学习（2017） 56 项
📁 深度学习基础介绍机器学习 27 项
- 📄 15 多元线性回归.mp465.2MB
- 📄 9 支持向量机SVM上.mp471.8MB
- 📄 4 基本概念.mp492.5MB
- 📄 27 总结.mp4102MB
- 📄 10 支持向量机SVM上应用.mp471.1MB
- 📄 24 Kmeans算法.mp468.9MB
- 📄 26 Hierarchical clustering 层次聚类.mp455.3MB
- 📄 21 支持向量机SVM算法下.mp458.7MB
- 📄 5 决策树算法.mp490.8MB
- 📄 16 多元线性回归应用.mp498.6MB
- 📄 8 最邻近规则KNN分类应用.mp497.9MB
- 📄 6 决策树应用.mp4131MB
- 📄 14 简单线性回归下.mp486.4MB
- 📄 1 课程介绍机器学习介绍上.mp483.6MB
- 📄 22 回归中的相关度和决定系数.mp473MB
- 📄 23 回归中的相关性和R平方值应用.mp482.9MB
- 📄 11 神经网络算法应用上.mp4164MB
- 📄 20 支持向量机SVM算法下应用.mp497MB
- 📄 13 简单线性回归上.mp464.8MB
- 📄 12 神经网络算法应用下.mp457.6MB
- 📄 18 非线性回归应用.mp4109MB
- 📄 19 神经网络NN算法.mp4126MB
- 📄 17 非线性回归 Logistic Regression.mp459.4MB
- 📄 3 深度学习介绍.mp497MB
- 📄 25 Kmeans应用.mp4120MB
- 📄 7 最邻近规则分类KNN算法.mp464.8MB
- 📄 2 课程介绍机器学习介绍下.mp421.3MB
📁 深度学习进阶：算法与应用 27 项
- 📄 06 神经网络基本结构及梯度下降算法.mp4243MB
- 📄 21 深度神经网络中的难点.mp4253MB
- 📄 13 Backpropagation算法实现.mp4215MB
- 📄 22 用ReL解决VanishingGradient问题.mp4112MB
- 📄 11 Backpropagation算法上.mp4187MB
- 📄 24 ConvolutionNeuralNetwork实现上.mp4160MB
- 📄 23 ConvolutionNerualNetwork算法.mp4176MB
- 📄 27 Restricted Boltzmann Machine下.mp4142MB
- 📄 04 环境配置分部详解下.mp4253MB
- 📄 02 软件包安装和环境配置总述.mp4208MB
- 📄 26 Restricted Boltzmann Machine.mp4163MB
- 📄 25 ConvolutionNeuralNetwork实现下.mp4139MB
- 📄 12 Backpropagation算法下.mp4176MB
- 📄 14 cross entropy函数.mp4125MB
- 📄 01 基本概念清晰版.mp497.4MB
- 📄 05 手写数字识别.mp4141MB
- 📄 10 神经网络手写数字演示.mp4283MB
- 📄 20 神经网络参数hyper parameters选择.mp4170MB
- 📄 19 提高版本的手写数字识别实现.mp4192MB
- 📄 17 Regulazition和Dropout.mp4148MB
- 📄 03 环境配置分部详解.mp4218MB
- 📄 15 Softmax和Overfitting.mp4214MB
- 📄 16 Regulization.mp4107MB
- 📄 09 梯度下降算法实现下.mp4189MB
- 📄 08 梯度下降算法实现上.mp4142MB
- 📄 07 随机梯度下降算法.mp455.4MB
- 📄 18 正态分布和初始化修正版.mp479.7MB
📁 12，7月在线-人工智能课程汇总 371 项
📁 机器学习课程 263 项
📁 17年7月14日机器学习项目班（完） 46 项
📁 讲义代码 33 项
📁 第01-02课 5 项
- 📄 《推荐系统》数据与代码说明.txt302B
- 📄 lesson_1.zip1.1MB
- 📄 recommendation_system_codes.tar.gz51.8MB
- 📄 playlist.detail.all.tar.gz1.5GB
- 📄 popular.playlist16.9MB
📁 第03课 2 项
- 📄 第3课 GitHub链接.docx11.1KB
- 📄 nmt-seq2seq-master.zip1MB
📁 第04课 4 项
- 📄 seq2seq学习笔记 - 大学之道，在明明德 - 博客频道 - CSDN.NET.jpg4.4MB
- 📄 nmt-seq2seq-master.zip1MB
- 📄 Johnson-pytorch.zip38.8MB
- 📄 Sequence to Sequence Learning with Neural Networks.pdf109KB
📁 第05-06课 2 项
- 📄 机器学习项目班第5-6课.txt93B
- 📄 NLP_project.zip106MB
📁 第07课 1 项
- 📄 lesson 7 data && codes.zip1.3MB
📁 第08课 1 项
- 📄 lesson 8 data && codes.zip46.7KB
📁 第10课 1 项
- 📄 机器学习项目班-金融反欺诈.zip6.3MB
📁 第9课 2 项
- 📄 课件—视觉聊天机器人 - 次世代的图灵测试.docx12KB
- 📄 VQA.zip1.3GB
- 📄 LoanStats_2016Q3.csv.zip16.2MB
- 📄 LC.ipynb213KB
- 📄 Tencent cvr prediction.zip1.3MB
- 📄 互联网金融风控中的数据科学--王婷--public.pdf6.6MB
- 📄 LC.html466KB
- 📄 blagging.py35.1KB
- 📄 LCDataDictionary.xlsx21.4KB
📁 视频课程 10 项
- 📄 第6课 文本主题与分类_(下).mp4263MB
- 📄 第8课 电商点击率预估_(下).mp4251MB
- 📄 第2课 音乐推荐系统_(下).mp4286MB
- 📄 第7课 电商点击率预估_(上).mp4269MB
- 📄 第5课 文本主题与分类_(上).mp4271MB
- 📄 第10课 金融反欺诈模型训练.mp4209MB
- 📄 第4课 基于pytorch的风格转换.mp4176MB
- 📄 第9课 视觉聊天机器.mp4225MB
- 📄 第1课 音乐推荐系统_(上).mp4297MB
- 📄 第3课 神经网络实现机器翻译.mp4266MB
- 📄 天池AI电力预测大赛精讲.mp4287MB
📁 算法_10月机器学习算法班 41 项
📁 源码 2 项
- 📄 课程PPT与代码.zip174MB
- 📄 Image_seg.zip1.9MB
📁 ppt 17 项
- 📄 十月算法班第12讲：聚类和社交网络算法-10月机器学习算法班.pdf13.9MB
- 📄 十月算法班第18讲：循环神经网络与自然语言处理.pdf2.1MB
- 📄 十月算法班第4节：最大熵模型与EM.pdf4.1MB
- 📄 十月算法班第15讲：主体模型.pdf1.5MB
- 📄 十月算法班第11讲：CTR预估.pdf2.2MB
- 📄 十月算法班第2讲.pdf345KB
- 📄 十月算法班第1讲.pdf262KB
- 📄 Thumbs.db20KB
- 📄 十月算法班第16讲：人工神经网络.pdf23.3MB
- 📄 十月算法班第17讲：计算机视觉与卷积神经网络.pdf3.6MB
- 📄 十月算法班第20讲：采样与变分.pdf2.4MB
- 📄 十月算法班第5讲：决策树随机森林.pdf2.6MB
- 📄 十月算法班第19讲：深度学习框架与应用.pdf6.8MB
- 📄 十月算法班第9讲：机器学习调优与融合.pdf7.2MB
- 📄 十月算法班第10讲：推荐系统.pdf11.1MB
- 📄 十月算法班第8讲：机器学习中的特征工程---笔记版.pdf7.9MB
- 📄 十月算法班第13讲：机器学习算法之图模型初步.pdf1.7MB
- 📄 07.第7课 最大熵与EM算法.mkv445MB
- 📄 17.第17课 人工神经网络.mkv827MB
- 📄 19.第19课 深度学习之RNN.mkv955MB
- 📄 03.第3课 凸优化.mkv957MB
- 📄 01.第1课 概率论与数理统计.mkv1.1GB
- 📄 15.第15课 主题模型.mkv1.2GB
- 📄 14.第14课 隐马尔科夫模型HMM.mkv651MB
- 📄 12.第12课 聚类.mkv832MB
- 📄 20.第20课 深度学习实践.mkv520MB
- 📄 04.第4课 回归.mkv904MB
- 📄 16.第16课 采样与变分.mkv776MB
- 📄 10.第10课 推荐系统.mkv783MB
- 📄 02.第2课 矩阵和线性代数.mkv925MB
- 📄 18.第18课 深度学习之CNN.mkv338MB
- 📄 05.第5课 决策树、随机森林.mkv816MB
- 📄 09.第9课 模型调优.mkv928MB
- 📄 08.第8课 特征工程.mkv1011MB
- 📄 06.第6课 SVM.mkv827MB
- 📄 13.第13课 贝叶斯网络.mkv659MB
- 📄 11.第11课 从分类到CTR预估.mkv982MB
📁 算法_4月机器学习算法班 2 项
📁 (01)机器学习与相关数学初步 1 项
- 📄 (1)机器学习与相关数学初步.avi428MB
📁 ML_3月机器学习在线班 116 项
📁 material 53 项
📁 4月19日晚的分享_黄高乐 21 项
📁 4月19日晚的分享_黄高乐 20 项
📁 单纯形法源代码_by C 18 项
📁 Debug 7 项
- 📄 simplex.pch2MB
- 📄 vc60.idb97KB
- 📄 simplex.pdb473KB
- 📄 vc60.pdb76KB
- 📄 simplex.obj31.3KB
- 📄 simplex.exe216KB
- 📄 simplex.ilk234KB
- 📄 simplex.dsw539B
- 📄 simplex.cpp890B
- 📄 simplex.dsp3.3KB
- 📄 nrutil.c8.2KB
- 📄 amoeba.c1.6KB
- 📄 simplex.opt47.5KB
- 📄 simplex.plg1.2KB
- 📄 simplex.ncb49KB
- 📄 nrutil.h3.3KB
- 📄 amotry.c541B
- 📄 4月19日学员分享.pptx878KB
- 📄 2.1参数估计与矩阵运算.pdf935KB
- 📄 11.支持向量机.pdf1.8MB
- 📄 mcmc.pdf1.5MB
- 📄 9.Adaboost导论.pdf299KB
- 📄 推荐系统实践.pdf12.4MB
- 📄 4.1广义线性回归和对偶优化.pdf3.4MB
- 📄 7.聚类.pdf3.3MB
- 📄 Adaboost.py4.8KB
- 📄 七月教育LDA学员分享_version2.pdf359KB
- 📄 13.主题模型.pdf1.6MB
- 📄 9.贝叶斯网络.ppt7.5MB
- 📄 3.凸优化.pdf3.4MB
- 📄 CART.py6.1KB
- 📄 lda.py7.4KB
- 📄 kernel.py1.3KB
- 📄 14.隐马尔科夫模型.pdf743KB
- 📄 2.参数估计与矩阵运算.pdf919KB
- 📄 10.1贝叶斯网络.pdf3.6MB
- 📄 6.最大熵模型.pdf753KB
- 📄 Adaboost.pdf1MB
- 📄 13.0主题模型_预习材料.pdf1.2MB
- 📄 1.微积分与概率论.pdf1.5MB
- 📄 学习率代码.cpp1.4KB
- 📄 2.1.1参数估计的评价准则.pdf148KB
- 📄 Finding scientific topics.pdf704KB
- 📄 12.EM和GMM.pdf749KB
- 📄 8.决策树与随机森林.pdf2.7MB
- 📄 book11April2014.pdf1.9MB
- 📄 凸优化-中译本(扫描).pdf49.6MB
- 📄 5.梯度下降和拟牛顿.pdf1.3MB
- 📄 1.1微积分与概率论.pdf1.5MB
📁 video 61 项
📁 01 微积分与概率论基础 4 项
- 📄 七月算法 数理统计.flv255MB
- 📄 01 微积分与概率论基础.mp41.5GB
- 📄 七月算法 概率面试题精讲.flv159MB
- 📄 七月算法 概率论.flv222MB
📁 02 参数估计与矩阵运算基础 2 项
- 📄 02 参数估计与矩阵运算基础.mp41.5GB
- 📄 七月算法 矩阵运算修改版.flv204MB
📁 03 凸优化基础 2 项
- 📄 03 凸优化基础.mp41.5GB
- 📄 七月算法 凸优化.flv131MB
📁 04 广义线性回归和对偶优化 1 项
- 📄 04 广义线性回归和对偶优化.mp41.9GB
📁 05 牛顿、拟牛顿、梯度下降、随机梯度下降(SGD) 1 项
- 📄 05 梯度下降和拟牛顿.mp41.6GB
📁 06 熵、最大熵模型MaxEnt、改进的迭代尺度法IIS 1 项
- 📄 06 最大熵模型.mp41.6GB
📁 07 聚类（k-means、层次聚类、谱聚类等） 3 项
- 📄 七月算法 Kmeans聚类.flv216MB
- 📄 07 聚类方法.mp41.6GB
- 📄 七月算法 谱聚类.flv216MB
📁 08 K近邻、决策树、随机森林(random decision forests) 1 项
- 📄 08 决策树和随机森林.mp41.6GB
📁 09 Adaboost 2 项
- 📄 09 Adaboost.mp41.3GB
- 📄 七月算法 Adaboost.flv148MB
📁 10 朴素贝叶斯、与贝叶斯网络 3 项
- 📄 10 贝叶斯网络.mp41.8GB
- 📄 七月算法 贝叶斯网络节选.flv307MB
- 📄 七月算法 贝叶斯网络.flv189MB
📁 11 支持向量机（最大间隔分类、拉格朗日乘值、对偶问题、损失函数、最优化理论、SMO） 4 项
- 📄 七月算法 支持向量机(中).flv198MB
- 📄 11 支持向量机.mp41.5GB
- 📄 七月算法 SVM数据试验.flv136MB
- 📄 七月算法 支持向量机(下).flv164MB
📁 12 衣服推荐系统 1 项
- 📄 12 衣服推荐系统by黄高乐.mp4493MB
📁 12 EM、混合高斯模型 3 项
- 📄 12 EM.mp4939MB
- 📄 七月算法 18分钟理解EM算法.mp433.8MB
- 📄 七月算法 感性理解EM算法-GMM.mp465.8MB
📁 13 主题模型（概率潜语义分析PLSA、隐含狄利克雷分布LDA） 4 项
- 📄 13 主题模型.mp42.3GB
- 📄 七月算法 主题模型(中).flv423MB
- 📄 七月算法 主题模型(上).flv325MB
- 📄 七月算法 主题模型(下).flv104MB
📁 14.15 马尔科夫链、隐马尔可夫模型HMM、采样 2 项
- 📄 15 IP与MCMC(上).mp4510MB
- 📄 15 IP与MCMC(中).mp4533MB
📁 16 马尔可夫随机场(Markov Random Field)、条件随机场CRF 3 项
- 📄 七月算法 条件随机场(下).flv306MB
- 📄 七月算法 条件随机场(上).flv338MB
- 📄 七月算法 条件随机场(中).flv335MB
📁 17 SVD、主成分分析PCA、因子分析、独立成分分析ICA 3 项
- 📄 17 PCA-SVD(上).mp4520MB
- 📄 17 PCA-SVD(中).mp4498MB
- 📄 17 PCA-SVD(下).mp4425MB
📁 18 卷积神经网络(CNN)、深度学习浅析 1 项
- 📄 18 CNN.mp41.8GB
📁 20 知识图谱 1 项
- 📄 20 代码实现.mp41.2GB
📁 ML_9月机器学习在线班 25 项
- 📄 13.贝叶斯网络.mp42.2GB
- 📄 10.降维.mp41.9GB
- 📄 6.梯度下降和拟牛顿.mp41.4GB
- 📄 17.HMM.mp4224MB
- 📄 16.采样.mp43.2GB
- 📄 随机森林_SVM代码.rar5.5MB
- 📄 11.聚类.mp42.1GB
- 📄 5.回归.mp41.6GB
- 📄 14.EM算法重制完整版.mp42.3GB
- 📄 0.烟雨蒙蒙.mp4980MB
- 📄 18.条件随机场.mp4312MB
- 📄 4.凸优化.mp41.9GB
- 📄 12.Boosting.mp41.8GB
- 📄 20.CNN&RNN.mp4232MB
- 📄 课程ppt.rar68.2MB
- 📄 回归代码.rar3.4KB
- 📄 7.最大熵模型.mp41.8GB
- 📄 2.数理统计与参数估计.mp41.9GB
- 📄 3.矩阵运算.mp41.9GB
- 📄 9.支持向量机.mp41.5GB
- 📄 1.微积分和概率论.mp42.1GB
- 📄 19.人工神经网络.mp4208MB
- 📄 8.随机森林.mp41.6GB
- 📄 14.EM算法.mp4890MB
- 📄 15.主题模型.mp42.5GB
📁 ML_机器学习应用班 27 项
📁 第八课 1 项
- 📄 8.mp4248MB
📁 第二课 2 项
- 📄 应用班2_1_1h44min.mp41.1GB
- 📄 应用班第二课第二部分 .mp464.8MB
📁 第九课 2 项
- 📄 9-1.mp483MB
- 📄 9-2.mp471.6MB
📁 第六课 2 项
- 📄 6-2.mp4110MB
- 📄 6-1.mp491.8MB
📁 第七课 2 项
- 📄 7-1.flv144MB
- 📄 7-2.mp4161MB
📁 第三课 1 项
- 📄 应用班第三节课.mp4396MB
📁 第十课 1 项
- 📄 10.mp4160MB
📁 第四课 2 项
- 📄 第二部分.mp4132MB
- 📄 应用班第四节课1_1h44_33.mp41.1GB
📁 第五课 2 项
- 📄 5-2.mp4691MB
- 📄 5-1.mp41.5GB
📁 第一课 1 项
- 📄 第一课.mp4178MB
- 📄 机器学习应用班资料.zip497MB
📁 基础算法课程 19 项
📁 算法_动态规划实战班 2 项
- 📄 01.第一课 动态规划初步.mp4143MB
- 📄 02.第二课 动态规划进阶.mp4195MB
📁 算法_树实战coding直播班 5 项
- 📄 (3) 第1课(三) 二叉查找树.mp452.5MB
- 📄 (5) 第2课 树实战coding直播班第2讲.mp4210MB
- 📄 (1) 第1课(一) 基础知识与二叉树.mp433.2MB
- 📄 (2) 第1课(二) 二叉树的遍历.mp467.6MB
- 📄 (4) 第1课(四) 总结.mp412.9MB
📁 算法_图搜索实战班 2 项
- 📄 01.第一课 图搜索基础.mp4165MB
- 📄 02.第二课 C.广度优先.mp4167MB
📁 算法_leetcode直播刷题班 6 项
- 📄 4.深度优先（林）.mp4178MB
- 📄 5.图论算法（许）.mp4224MB
- 📄 6.动态规划（林）.mp4174MB
- 📄 3.并查集（许）.mp4261MB
- 📄 1.数论（许）.mp4155MB
- 📄 2.二分搜索（林）.mp4185MB
📁 深度学习课程 86 项
📁 02.DL_11月深度学习班 10 项
📁 视频 9 项
- 📄 04.主流深度学习框架示例（寒）.mkv1018MB
- 📄 10.深度学习与各种迁移学习应用(下).mkv329MB
- 📄 09.增强学习与Deep Q Network（寒）.mkv944MB
- 📄 06.让计算机学会人类的文字：词嵌入（寒）.mkv832MB
- 📄 05.图像物体检测与风格变化（李）.mkv1.1GB
- 📄 10.深度学习与各种迁移学习应用(上).mkv893MB
- 📄 07.循环神经网络与LSTM（寒）.mp4202MB
- 📄 03.卷积神经网络与图像识别.mkv964MB
- 📄 01.夯实深度学习数据基础（管）.mkv852MB
📁 03.2个TensorFlow教程 74 项
📁 12-python视频 神经网络 Tensorflow 模块 视频教程 (带源码) 62 项
📁 tensorflowTUT源码 32 项
📁 tf11_build_network 2 项
- 📄 for_you_to_practice.py892B
- 📄 full_code.py1.6KB
📁 tf12_plot_result 1 项
- 📄 full_code.py2KB
📁 tf14_tensorboard 2 项
- 📄 full_code.py1.6KB
- 📄 for_you_to_practice.py1.2KB
📁 tf15_tensorboard 2 项
- 📄 full_code.py2.4KB
- 📄 for_you_to_practice.py1.8KB
📁 tf16_classification 2 项
- 📄 full_code.py1.9KB
- 📄 for_you_to_practice.py894B
📁 tf17_dropout 2 项
- 📄 full_code.py2.4KB
- 📄 for_you_to_practice.py1.7KB
📁 tf18_CNN2 2 项
- 📄 for_you_to_practice.py1.7KB
- 📄 full_code.py2.1KB
📁 tf18_CNN3 1 项
- 📄 full_code.py3.1KB
📁 tf5_example2 2 项
- 📄 for_you_to_practice.py419B
- 📄 full_code.py847B
- 📄 tensorflow10_def_add_layer.py547B
- 📄 tensorflow12_plut_result.py2KB
- 📄 tensorflow7_variable.py513B
- 📄 tensorflow11_build_network.py1.6KB
- 📄 tf19_saver.py1.1KB
- 📄 tensorflow6_session.py515B
- 📄 tensorflow8_feeds.py357B
- 📄 Tensorflow 11 建造神经网络.mp464.8MB
- 📄 Tensorflow 20.1 RNN 循环神经网络.mp428.3MB
- 📄 Tensorflow 18-2 CNN卷积神经网络2.mp453.2MB
- 📄 Tensorflow 12 结果可视化.mp422.4MB
- 📄 Tensorflow 7 变量.mp413.2MB
- 📄 Tensorflow 20.3 RNN lstm (regression 回归例子).mp459.2MB
- 📄 Tensorflow 18-3 CNN卷积神经网络3.mp430.8MB
- 📄 Tensorflow 17 dropout 解决overfitting 问题.mp442.1MB
- 📄 Tensorflow 18-1 CNN卷积神经网络1.mp428.6MB
- 📄 Tensorflow 2 安装 (Windows, Mac, Linux).mp412.8MB
- 📄 TensorFlow 官方文档中文版 - v1.2.pdf7.1MB
- 📄 Tensorflow 3 例子1.mp46.1MB
- 📄 Tensorflow 9 激励函数.mp434.2MB
- 📄 Tensorflow 6 Session会话.mp413MB
- 📄 Tensorflow 13 优化器.mp416.4MB
- 📄 Tensorflow 23 Batch normalization 批标准化.mp437MB
- 📄 Tensorflow 5 例子2.mp430.4MB
- 📄 Tensorflow 19 Saver保存读取.mp458MB
- 📄 Tensorflow 14 可视化好帮手1.mp458.7MB
- 📄 Tensorflow 15 可视化好帮手2.mp426.4MB
- 📄 Tensorflow 8 传入值.mp410MB
- 📄 Tensorflow 10 添加层.mp430.9MB
- 📄 Tensorflow 1 why .mp43.1MB
- 📄 Tensorflow 16 分类学习.mp434.9MB
- 📄 Tensorflow 4 处理结构.mp48.7MB
- 📄 Tensorflow 21 Autoencoder (非监督学习).mp429.3MB
- 📄 Tensorflow 20.2 RNN 循环神经网络 (分类例子).mp453.2MB
- 📄 Tensorflow 20.4 RNN lstm (回归例子可视化).mp413.8MB
- 📄 Tensorflow 22 scope 命名方式.mp441MB
📁 Tensorflow源码级技术分享集 10 项
- 📄 Tensorflow源码级技术分享【第4期】.mp4983MB
- 📄 Tensorflow源码级技术分享【第3期】.mp4704MB
- 📄 Tensorflow源码级技术分享【第6期】.mp41.4GB
- 📄 Tensorflow源码级技术分享【第9期】.mp4235MB
- 📄 Tensorflow源码级技术分享【第7期】.mp41.2GB
- 📄 Tensorflow源码级技术分享【第8期】.mp4498MB
- 📄 Tensorflow源码级技术分享【第1期】.mp4829MB
- 📄 Tensorflow源码级技术分享【第10期】.mp4183MB
- 📄 Tensorflow源码级技术分享【第2期】.mp41024MB
- 📄 Tensorflow源码级技术分享【第5期】.mp4604MB
📁 13机器学习书籍 27 项
- 📄 机器学习导论.pdf97.1MB
- 📄 DeepLearningBook（英文）.pdf20.7MB
- 📄 机器学习 实用案例解析.pdf34.7MB
- 📄 机器学习实践指南++案例应用解析.pdf59.3MB
- 📄 模式识别与机器学习(英文版).pdf8.6MB
- 📄 PYTHON机器学习及实践_从零开始通往KAGGLE竞赛之路.pdf48.3MB
- 📄 图解机器学习.pdf59.4MB
- 📄 机器学习中文版.pdf3.4MB
- 📄 郑泽宇，顾思宇 TensorFlow实战Google深度学习框架随书源码.rar38.8MB
- 📄 The Elements of Statistical Learning（英文）.pdf8.2MB
- 📄 机器学习.pdf38MB
- 📄 深度学习方法及应用PDF高清晰完整版.pdf21.8MB
- 📄 数据挖掘-实用机器学习技术（中文第二版）.pdf49.9MB
- 📄 TensorFlow实战.pdf86.7MB
- 📄 机器学习实战.pdf19.6MB
- 📄 机器学习算法原理与编程实践_郑捷著_电子工业出版社.pdf126MB
- 📄 Unity3D人工智能编程精粹.pdf53.5MB
- 📄 Spark MLlib机器学习实践 ,王晓华著 546007.pdf45.9MB
- 📄 ROS机器人程序设计.pdf44.6MB
- 📄 神经网络和深度学习.pdf3.4MB
- 📄 机器学习_周志华(扫描版,部分彩图).pdf37.5MB
- 📄 深度学习deep learning.pdf15.4MB
- 📄 神经网络与机器学习.pdf37.1MB
- 📄 人工智能复杂问题求解的结构和策略（原书第6版）.pdf66.5MB
- 📄 人工智能 一种现代的方法（第3版）.pdf314MB
- 📄 Tensorflow 实战Google深度学习框架.pdf96.7MB
- 📄 Spark机器学习.pdf8.1MB
📁 16炼数成金--机器学习--炼数成金【完整版】 98 项
📁 book 6 项
- 📄 数据挖掘：概念与技术（中文第三版）.pdf33.6MB
- 📄 Data Mining Practical Machine Learning Tools and Techniques 3rd Edition.pdf6.9MB
- 📄 Machine Learning-A Probabilistic Perspective.pdf25.7MB
- 📄 R-modeling.pdf9.5MB
- 📄 MIT.Introduction to ML.2Ed.pdf3.4MB
- 📄 MIT.Foundations of ML.pdf3.2MB
📁 course 77 项
📁 ML01-机器学习概论 5 项
- 📄 ML01d.mp4188MB
- 📄 ML01.pdf2.4MB
- 📄 ML01c.mp4350MB
- 📄 ML01b.mp466.4MB
- 📄 ML01a.mp4179MB
📁 ML02-线性回归与Logistic。案例：电子商务业绩预测 11 项
- 📄 ML02h.mp463.5MB
- 📄 ML02b.mp4155MB
- 📄 top_1000_sites.tsv59.8KB
- 📄 ML02d.mp480.9MB
- 📄 ML02c.mp493.3MB
- 📄 假设检验讲解.mp475.2MB
- 📄 ML02g.mp418.5MB
- 📄 ML02a.mp482.6MB
- 📄 ML02f.mp489.7MB
- 📄 ML02e.mp442.3MB
- 📄 ML02.pdf1.7MB
📁 ML03-岭回归，Lasso，变量选择技术。从一团乱麻中识别有用维度的技巧 9 项
- 📄 ML03.pdf2MB
- 📄 堂上板书展示的图形手稿myclassnew.php.jpg1.7MB
- 📄 ML03e.mp4117MB
- 📄 堂上板书展示的图形手稿2-myclassnew.php.jpg1.7MB
- 📄 ML03d.mp467.9MB
- 📄 ML03b.mp491.5MB
- 📄 ML03c.mp4124MB
- 📄 ML03f.mp473.7MB
- 📄 ML03a.mp4128MB
📁 ML04-降维技术。案例：业绩综合指标设计 7 项
- 📄 ML04b.mp460MB
- 📄 ML04a.mp4176MB
- 📄 ML04d.mp4116MB
- 📄 ML04e.mp4136MB
- 📄 ML04c.mp455.7MB
- 📄 ML04.pdf1.5MB
- 📄 作业.txt1004B
📁 ML05-线性分类器，Knn算法，朴素贝叶斯分类器，文本挖掘，案例：智能判断垃圾短信 6 项
- 📄 ML05d.mp4180MB
- 📄 ML05a.mp4119MB
- 📄 ML05.pdf1.7MB
- 📄 ML05e.mp480.5MB
- 📄 ML05b.mp425.4MB
- 📄 ML05c.mp470.6MB
📁 ML06-决策树，组合提升算法，bagging和adaboost，随机森林。案例：运营商用户分析 6 项
- 📄 ML06c.mp461.2MB
- 📄 ML06d.mp4110MB
- 📄 ML06.pdf1.1MB
- 📄 ML06a.mp4160MB
- 📄 ML06b.mp454.1MB
- 📄 ML06e.mp4108MB
📁 ML07-支持向量机，为什么能理解SVM的人凤毛麟角？ 6 项
- 📄 ML07e.mp460.1MB
- 📄 ML07d.mp4241MB
- 📄 ML07b.mp4120MB
- 📄 ML07a.mp4180MB
- 📄 ML07c.mp4153MB
- 📄 ML07.pdf1.7MB
📁 ML08-人工神经网络，单层感知器，线性神经网络，BP神经网络 5 项
- 📄 w8-1.pdf258KB
- 📄 ML08.rar410MB
- 📄 w8-3.pdf284KB
- 📄 ML08.pdf3.2MB
- 📄 w8-2.pdf218KB
📁 ML09-通用逼近器径向基函数神经网络，在新观点下审视PDA和SVM 3 项
- 📄 第9周课堂资料.rar3.3MB
- 📄 ML09.pdf2.5MB
- 📄 ML09.rar408MB
📁 ML10-概率神经网络和信念贝叶斯分类器 2 项
- 📄 ML10.pdf2.2MB
- 📄 ML10.rar283MB
📁 ML11-聚类，孤立点判别。案例：推荐系统，自动品酒器，作弊识别，社会系统团体识别 2 项
- 📄 ML11.pdf1.8MB
- 📄 ML11.rar362MB
- 📄 BP神经网络实现图像压缩.rar64.9KB
- 📄 薛毅书源程序.rar68.8KB
- 📄 人工神经网络理论、设计及应用.rar3.3MB
- 📄 videoplayer.zip18.7MB
📁 homework 12 项
- 📄 第7周作业2.pdf261KB
- 📄 第1周作业.docx11.6KB
- 📄 第7周作业1.jpg68.3KB
- 📄 第10周作业.zip6.1KB
- 📄 第3周作业.txt837B
- 📄 第8周作业.pdf249KB
- 📄 第5周作业作业.txt865B
- 📄 第4周作业.zip7.3KB
- 📄 第2周作业.docx246KB
- 📄 第11周大作业.docx13.6KB
- 📄 第9周作业.docx867KB
- 📄 第6周作业.docx60.7KB
📁 27唐宇D-python数据分析与机器学习实战 400 项
📁 01人工智能入门指南（有基础的同学请略过！） 6 项
- 📄 课时2AI时代首选Python.flv20MB
- 📄 课时5机器学习怎么学？.mp426.6MB
- 📄 课时6算法推导与案例.mp427.4MB
- 📄 课时1课程介绍（主题与大纲.flv75.2MB
- 📄 课时4人工智能的核心-机器学习.flv21.8MB
- 📄 课时3Python我该怎么学.flv10.5MB
📁 02Python科学计算库-Numpy 8 项
- 📄 课时12Numpy常用函数.mp449.6MB
- 📄 课时14不同复制操作对比.mp438.2MB
- 📄 课时9科学计算库Numpy.mp448.7MB
- 📄 课时8课程数据，代码，PPT.txt50B
- 📄 课时13矩阵常用操作.mp437MB
- 📄 课时10Numpy基础结构.mp438.5MB
- 📄 课时11Numpy矩阵基础.mp424MB
- 📄 课时7使用Anaconda安装python环境（Python新手先看这个）.flv103MB
📁 03python数据分析处理库-Pandas 4 项
- 📄 课时20Series结构.mp484.3MB
- 📄 课时16Pandas索引与计算.mp456.5MB
- 📄 课时17Pandas数据预处理实例.mp458MB
- 📄 课时19Pandas自定义函数.mp441.1MB
📁 04Python数据可视化库-Matplotlib 5 项
- 📄 课时22子图操作.mp469.7MB
- 📄 课时21折线图绘制.mp443.4MB
- 📄 课时23条形图与散点图.mp459.7MB
- 📄 课时25细节设置.mp450MB
- 📄 课时24柱形图与盒图.mp449.2MB
📁 05Python可视化库Seaborn 12 项
- 📄 课时26Seaborn简介.mp49.7MB
- 📄 课时31单变量分析绘图.mp447.8MB
- 📄 课时37热度图绘制.mp476.2MB
- 📄 课时27整体布局风格设置.mp447.8MB
- 📄 课时34分类属性绘图.mp451MB
- 📄 课时32回归分析绘图.mp451.2MB
- 📄 课时30调色板颜色设置.mp437.5MB
- 📄 课时28风格细节设置.mp450.7MB
- 📄 课时35Facetgrid使用方法.mp435.2MB
- 📄 课时36Facetgrid绘制多变量.mp454.6MB
- 📄 课时33多变量分析绘图.mp446.5MB
- 📄 课时29调色板.mp439MB
📁 06线性回归算法原理推导 5 项
- 📄 课时38线性回归算法概述.mp439.7MB
- 📄 课时39误差项分析.mp434.4MB
- 📄 课时40似然函数求解.mp424.9MB
- 📄 课时41目标函数推导.mp425.8MB
- 📄 课时42线性回归求解.mp430.3MB
📁 07梯度下降策略 3 项
- 📄 课时43梯度下降原理.mp437MB
- 📄 课时45学习率对结果的影响.mp417.4MB
- 📄 课时44梯度下降方法对比.mp422.3MB
📁 08逻辑回归算法 2 项
- 📄 课时46逻辑回归算法原理推导.mp431.3MB
- 📄 课时47逻辑回归求解.mp444.5MB
📁 09案例实战：Python实现逻辑回归与梯度下降策略 4 项
- 📄 课时49完成梯度下降模块.mp456.3MB
- 📄 课时50停止策略与梯度下降案例.mp451.8MB
- 📄 课时48Python实现逻辑回归任务概述.mp433.2MB
- 📄 课时51实验对比效果.mp466.6MB
📁 10项目实战-交易数据异常检测 10 项
- 📄 课时58逻辑回归模型.mp439.6MB
- 📄 课时59混淆矩阵.mp452MB
- 📄 课时57正则化惩罚.mp426.9MB
- 📄 课时55交叉验证.mp444.5MB
- 📄 课时61SMOTE样本生成策略.mp4104MB
- 📄 课时60逻辑回归阈值对结果的影响.mp446.4MB
- 📄 课时56模型评估方法.mp441.9MB
- 📄 课时53样本不均衡解决方案.mp447.3MB
- 📄 课时52案例背景和目标.mp438.8MB
- 📄 课时54下采样策略.mp431.2MB
📁 11决策树算法 5 项
- 📄 课时62决策树原理概述.mp434.9MB
- 📄 课时65信息增益率.mp416.6MB
- 📄 课时66决策树剪枝策略.mp449.1MB
- 📄 课时63衡量标准-熵.mp435.2MB
- 📄 课时64决策树构造实例.mp430.5MB
📁 12案例实战：使用sklearn构造决策树模型 4 项
- 📄 课时70sklearn参数选择.mp459.2MB
- 📄 课时68决策树涉及参数.mp480.1MB
- 📄 课时67决策树复习.mp427.2MB
- 📄 课时69树可视化与sklearn库简介.mp4164MB
📁 13集成算法与随机森林 4 项
- 📄 课时74堆叠模型.mp419.6MB
- 📄 课时73提升模型.mp433.5MB
- 📄 课时72特征重要性衡量.mp434.6MB
- 📄 课时71集成算法-随机森林.mp435.3MB
📁 14案例实战：泰坦尼克获救预测 5 项
- 📄 课时79随机森林特征重要性分析.mp471.4MB
- 📄 课时75船员数据分析.mp448.1MB
- 📄 课时76数据预处理.mp452.5MB
- 📄 课时77使用回归算法进行预测.mp454.2MB
- 📄 课时78使用随机森林改进模型.mp462.9MB
📁 15贝叶斯算法 5 项
- 📄 课时83垃圾邮件过滤实例.mp438.9MB
- 📄 课时81贝叶斯推导实例.mp420.7MB
- 📄 课时82贝叶斯拼写纠错实例.mp430.9MB
- 📄 课时84贝叶斯实现拼写检查器.mp484.1MB
- 📄 课时80贝叶斯算法概述.mp419.2MB
📁 16Python文本数据分析：新闻分类任务 6 项
- 📄 课时86相似度计算.mp434.5MB
- 📄 课时87新闻数据与任务简介.mp478.7MB
- 📄 课时88TF-IDF关键词提取.mp4118MB
- 📄 课时85文本分析与关键词提取.mp433MB
- 📄 课时89LDA建模.mp469.6MB
- 📄 课时90基于贝叶斯算法进行新闻分类.mp4124MB
📁 17支持向量机 8 项
- 📄 课时91支持向量机要解决的问题.mp427.2MB
- 📄 课时95SVM求解实例.mp438.1MB
- 📄 课时96支持向量的作用.mp432.9MB
- 📄 课时93目标函数.mp427MB
- 📄 课时92距离与数据的定义.mp428.2MB
- 📄 课时98SVM核变换.mp462.9MB
- 📄 课时94目标函数求解.mp429.9MB
- 📄 课时97软间隔问题.mp417.9MB
📁 18案例：SVM调参实例 2 项
- 📄 课时99sklearn求解支持向量机.mp462.8MB
- 📄 课时100SVM参数选择.mp486.7MB
📁 19聚类算法-Kmeans 4 项
- 📄 课时103KMEANS迭代可视化展示.mp454.5MB
- 📄 课时104使用Kmeans进行图像压缩.mp433.5MB
- 📄 课时101KMEANS算法概述.mp432.3MB
- 📄 课时102KMEANS工作流程.mp425.3MB
📁 20聚类算法-DBSCAN 3 项
- 📄 课时106DBSCAN工作流程.mp451.3MB
- 📄 课时107DBSCAN可视化展示.mp454.3MB
- 📄 课时105DBSCAN聚类算法.mp434.6MB
📁 21案例实战：聚类实践 2 项
- 📄 课时109聚类案例实战.mp4134MB
- 📄 课时108多种聚类算法概述.mp411.9MB
📁 22降维算法-PCA主成分分析 4 项
- 📄 课时113PCA实例.mp449.2MB
- 📄 课时112PCA求解.mp432MB
- 📄 课时110PCA降维概述.mp421.9MB
- 📄 课时111PCA要优化的目标.mp437.4MB
📁 23神经网络 15 项
- 📄 课时124神经网络-反向传播.mp440.7MB
- 📄 课时119神经网络-损失函数.mp425.8MB
- 📄 课时118线性分类原理.mp423.1MB
- 📄 课时123神经网络-梯度下降细节问题.mp430.5MB
- 📄 课时126神经网络实例演示.mp4109MB
- 📄 课时125神经网络架构.mp426.6MB
- 📄 课时121神经网络-softmax分类器.mp434.6MB
- 📄 课时117超参数的作用.mp430.1MB
- 📄 课时120神经网络-正则化惩罚项.mp418.9MB
- 📄 课时122神经网络-最优化形象解读.mp420.2MB
- 📄 课时127神经网络过拟合解决方案.mp443MB
- 📄 课时116K近邻尝试图像分类.mp429.1MB
- 📄 课时128感受神经网络的强大.mp448.4MB
- 📄 课时114初识神经网络.mp443.8MB
- 📄 课时115计算机视觉所面临的挑战.mp431MB
📁 24Xgboost集成算法 7 项
- 📄 课时132xgboost求解实例.mp436.6MB
- 📄 课时135Adaboost算法概述.mp439.2MB
- 📄 课时130xgboost基本原理.mp427.7MB
- 📄 课时133xgboost安装.mp416.7MB
- 📄 课时131xgboost目标函数推导.mp433MB
- 📄 课时134xgboost实战演示.mp478MB
- 📄 课时129集成算法思想.mp414.3MB
📁 25自然语言处理词向量模型-Word2Vec 9 项
- 📄 课时137语言模型.mp414.3MB
- 📄 课时144梯度上升求解.mp427.9MB
- 📄 课时139词向量.mp422.6MB
- 📄 课时145负采样模型.mp417.5MB
- 📄 课时140神经网络模型.mp427.5MB
- 📄 课时141Hierarchical Softmax-课时142CBOW模型实例.mp459.2MB
- 📄 课时136自然语言处理与深度学习.mp432.6MB
- 📄 课时143CBOW求解目标.mp415.6MB
- 📄 课时138-N-gram模型.mp423.5MB
📁 26使用Gensim库构造中文维基百度数据词向量模型 3 项
- 📄 课时147维基百科中文数据处理.mp486.9MB
- 📄 课时146使用Gensim库构造词向量.mp437.8MB
- 📄 课时149测试模型相似度结果.mp441.1MB
📁 27scikit-learn模型建立与评估 7 项
- 📄 课时153 模型效果衡量标准.mp474.2MB
- 📄 课时151使用scikit-learn库建立回归模型.mp450.1MB
- 📄 课时150使用python库分析汽车油耗效率.mp460.3MB
- 📄 课时156多类别问题.mp464.2MB
- 📄 课时155交叉验证.mp469.9MB
- 📄 课时152使用逻辑回归改进模型效果.mp448.3MB
- 📄 课时154ROC指标与测试集的价值.mp470.1MB
📁 28Python库分析科比生涯数据 4 项
- 📄 课时160使用Scikit-learn建立模型.mp453.1MB
- 📄 课时159数据预处理.mp457.6MB
- 📄 课时157Kobe Bryan生涯数据读取与简介.mp439.6MB
- 📄 课时158特征数据可视化展示.mp464.2MB
📁 29Python时间序列分析 12 项
- 📄 课时161章节简介.mp45.2MB
- 📄 课时162Pandas生成时间序列.mp462.5MB
- 📄 课时171使用tsfresh库进行分类任务.mp4121MB
- 📄 课时167相关函数评估方法.mp445.7MB
- 📄 课时169参数选择.mp472.5MB
- 📄 课时163Pandas数据重采样.mp442.4MB
- 📄 课时166ARIMA模型.mp427.5MB
- 📄 课时170股票预测案例.mp462MB
- 📄 课时172维基百科词条EDA.mp4111MB
- 📄 课时164Pandas滑动窗口.mp429.8MB
- 📄 课时165数据平稳性与差分法.mp440.3MB
- 📄 课时168建立ARIMA模型.mp441.4MB
📁 30机器学习项目实战-贷款申请最大化利润 4 项
- 📄 课时174数据预处理.mp485.5MB
- 📄 课时173数据清洗过滤无用特征.mp493.1MB
- 📄 课时176预测结果并解决样本不均衡问题.mp467.9MB
- 📄 课时175获得最大利润的条件与做法.mp450.3MB
📁 31机器学习项目实战-用户流失预警 5 项
- 📄 课时179尝试多种分类器效果.mp433.3MB
- 📄 课时181应用阈值得出结果.mp434.4MB
- 📄 课时178数据预处理.mp445.3MB
- 📄 课时177数据背景介绍.mp439.3MB
- 📄 课时180结果衡量指标的意义.mp460.6MB
📁 32探索性数据分析-足球赛事数据集 8 项
- 📄 课时189报表可视化分析.mp469.2MB
- 📄 课时185数据切分模块.mp485.5MB
- 📄 课时188多特征之间关系分析.mp468.4MB
- 📄 课时187特征可视化展示.mp473.1MB
- 📄 课时184数据读取与预处理.mp492.4MB
- 📄 课时190红牌和肤色的关系.mp4151MB
- 📄 课时182内容简介.mp49.6MB
- 📄 课时186缺失值可视化分析.mp4115MB
📁 33探索性数据分析-农粮组织数据集 6 项
- 📄 课时197变量关系可视化展示.mp4105MB
- 📄 课时194峰度与偏度.mp454.8MB
- 📄 课时195数据对数变换.mp446.3MB
- 📄 课时192数据切片分析.mp4122MB
- 📄 课时193单变量分析.mp4119MB
- 📄 课时191数据背景简介.mp475.5MB
📁 34机器学习项目实战-HTTP日志聚类分析 3 项
- 📄 课时199特征数据预处理.mp459.3MB
- 📄 课时198建立特征工程.mp475.2MB
- 📄 课时200应用聚类算法得出异常ip点.mp470.5MB
📁 课程资料 171 项
📁 唐宇迪-机器学习课程资料 170 项
📁 机器学习算法配套案例实战 28 项
📁 科比数据集分析 1 项
- 📄 科比数据.zip1.3MB
📁 神经网络 1 项
- 📄 （cifar分类可能遇到的错误更正）.docx32.3KB
📁 泰坦尼克船员获救 1 项
- 📄 taitannike.ipynb47KB
📁 探索性数据分析 1 项
- 📄 探索性数据分析.zip35.1MB
📁 推荐系统 2 项
- 📄 推荐系统.pdf2.1MB
- 📄 推荐系统.zip19.6MB
📁 Python时间序列 2 项
- 📄 时间序列分析.pdf767KB
- 📄 Python时间序列.zip110MB
📁 Python文本分析 6 项
📁 搜狗新闻语料 2 项
- 📄 test.txt18.3MB
- 📄 train.txt86.8MB
- 📄 Python文本分析.zip19.4MB
- 📄 贝叶斯算法.pdf507KB
- 📄 Python文本分析.pdf522KB
📁 word2vec 6 项
- 📄 word2vec.zip84.6MB
- 📄 word2vec.pdf2.3MB
- 📄 tensorflow-word2vec.zip1.9MB
- 📄 维基百科中文数据.zip2.5GB
- 📄 Gensim-代码.zip4.6MB
- 📄 gensim训练model.zip2.1GB
📁 机器学习算法PPT 13 项
- 📄 5-贝叶斯算法.pdf539KB
- 📄 11-神经网络.pdf11.7MB
- 📄 9-LDA与PCA算法.pdf1MB
- 📄 文本分析.pdf522KB
- 📄 7-推荐系统.pdf2MB
- 📄 4-聚类算法.pdf788KB
- 📄 12-word2vec.pdf2.4MB
- 📄 8-xgboost.pdf932KB
- 📄 时间序列分析.pdf767KB
- 📄 1-AI入学指南.pdf659KB
- 📄 3-决策树与集成算法.pdf1MB
- 📄 10-EM算法.pdf811KB
- 📄 6-支持向量机.pdf1.3MB
📁 暂时无用的内容 77 项
📁 贷款利润最大化 6 项
- 📄 cleaned_loans_2007.csv4.5MB
- 📄 ml_loanProject.ipynb31.4KB
- 📄 LoanStats3a.csv39.4MB
- 📄 filtered_loans_2007.csv6.5MB
- 📄 loans_2007.csv15MB
- 📄 cleaned_loans2007.csv4.5MB
📁 股价预测 2 项
- 📄 股价.ipynb40.7KB
- 📄 Combined_News_DJIA.csv5.4MB
📁 机器学习算法 3 项
📁 回归算法 2 项
- 📄 梯度下降求解逻辑回归.zip342KB
- 📄 线性回归.pdf1.2MB
📁 聚类 1 项
- 📄 kmeans-dbscan.zip338KB
📁 决策树 1 项
- 📄 决策树鸢尾花.zip633KB
📁 逻辑回归 2 项
- 📄 ml_GradientDescent.ipynb213KB
- 📄 linear_regression.ipynb19.9KB
📁 用户流失预警(1) 2 项
- 📄 churn.csv428KB
- 📄 churn.ipynb14.2KB
📁 支持向量机 8 项
📁 SMO 6 项
- 📄 testSetRBF2.txt3KB
- 📄 SVM.py6.9KB
- 📄 simple_svm.py3.4KB
- 📄 testSet.txt2.3KB
- 📄 svmMLiA.py14KB
- 📄 testSetRBF.txt3KB
- 📄 Untitled.ipynb95.3KB
📁 Kmeans 7 项
- 📄 tiger.png1.7MB
- 📄 test2.jpg4.6KB
- 📄 codebook_test.npy464B
- 📄 compressed_test.jpg8.3KB
- 📄 Untitled.ipynb151KB
- 📄 compressed_tiger.png432KB
- 📄 test.jpg24.8KB
📁 PCA降维 1 项
- 📄 PCA.zip120KB
📁 python机器学习案例 29 项
📁 machineLearning 28 项
📁 .ipynb_checkpoints 10 项
- 📄 ml_neuralnetwork-checkpoint.ipynb96KB
- 📄 ml_4_Cross-validation-checkpoint.ipynb16.3KB
- 📄 ml_loanProject-checkpoint.ipynb31.5KB
- 📄 ml_GradientDescent-checkpoint.ipynb213KB
- 📄 ml_7_mulabel-checkpoint.ipynb10.7KB
- 📄 ml_5_kcross-checkpoint.ipynb6.6KB
- 📄 ml_DTandRandmoF_scikieLearn-checkpoint.ipynb16KB
- 📄 ml_kmeans_nba-checkpoint.ipynb112KB
- 📄 ml_decisionTree-checkpoint.ipynb18.1KB
- 📄 Untitled-checkpoint.ipynb72B
- 📄 ml_3_logisticRes.ipynb5.3KB
- 📄 ml_1_introduce.ipynb86.7KB
- 📄 ml_6_clustering.ipynb24.8KB
- 📄 admissions.csv24.8KB
- 📄 ml_8_overfit.ipynb21.6KB
- 📄 income.csv72.4KB
- 📄 loans_2007.csv14.8MB
- 📄 114_congress.csv4.4KB
- 📄 auto-mpg.data29.6KB
- 📄 iris.csv4.6KB
- 📄 ml_randomForest.ipynb4.4KB
- 📄 ml_2_logistic-regression.ipynb63.5KB
- 📄 ml_9_k-means.ipynb514B
- 📄 ml_9_KMEANS.ipynb7KB
- 📄 nba_2013.csv70.8KB
- 📄 pga.csv2.2KB
- 📄 ml_buildDecisionTree.ipynb3.9KB
📁 Xgboost 2 项
- 📄 pima-indians-diabetes.csv23.5KB
- 📄 xgtest.ipynb33.9KB
- 📄 机器学习算法课件.pdf10.9MB
📁 Python库代码（4个） 46 项
📁 1-科学计算库numpy 12 项
📁 .ipynb_checkpoints 2 项
- 📄 numpy_2-checkpoint.ipynb6.9KB
- 📄 numpy_1-checkpoint.ipynb6.4KB
- 📄 Untitled.ipynb8KB
- 📄 world_alcohol.txt37.3KB
- 📄 numpy_5.ipynb2.6KB
- 📄 numpy_4.ipynb5.4KB
- 📄 Untitled1.ipynb11KB
- 📄 NUMPY_3.ipynb11KB
- 📄 world_alcohol.csv8.6KB
- 📄 numpy_1.ipynb7.1KB
- 📄 numpy_2.ipynb7.9KB
📁 2-数据分析处理库pandas 8 项
- 📄 thanksgiving-2015-poll-data.csv376KB
- 📄 pandas_5.ipynb18.2KB
- 📄 pandas_6.ipynb1.2KB
- 📄 pandas_2.ipynb9.2KB
- 📄 padas_3.ipynb22.5KB
- 📄 pandas_1.ipynb11.1KB
- 📄 food_info.csv1.4MB
- 📄 pandas_4.ipynb22.1KB
📁 3-可视化库matpltlib 12 项
- 📄 fandango_scores.csv14.8KB
- 📄 plt_3.ipynb137KB
- 📄 数据和代码.zip941KB
- 📄 percent-bachelors-degrees-women-usa.csv5.5KB
- 📄 jg_Awebex_Acom_Acn,jg,532830847,-197360242,MC,0-0,SDJTSwAAAAJZj_O_c3zEt1qzFj8abfdSRxWUuIFax_xQ09nC6c9OwA2_webex.exe277KB
- 📄 plt_7.ipynb2.5KB
- 📄 plt_2.ipynb224KB
- 📄 UNRATE.csv12.9KB
- 📄 plt_6.ipynb372KB
- 📄 plt_4.ipynb86KB
- 📄 plt_5.ipynb324KB
- 📄 plt_1.ipynb120KB
📁 4-可视化库Seaborn 10 项
- 📄 7-Heatmap.ipynb327KB
- 📄 f1.png142KB
- 📄 Untitled.ipynb490KB
- 📄 Seaborn-2Color.ipynb169KB
- 📄 5-category.ipynb658KB
- 📄 Seaborn-3Var.ipynb316KB
- 📄 4-REG.ipynb772KB
- 📄 6-FacetGrid.ipynb839KB
- 📄 Seaborn-1Style.ipynb1.5MB
- 📄 iris.data4.6KB
📁 Python快速入门 1 项
- 📄 第一章：Python基础.zip22.5KB