回归分析与预测-蜗牛学苑

首页 / AI人工智能 · 第二阶段:机器学习与实战 / 回归分析与预测

发布于 2024-06-05 · 4205 次观看

展开剩余

直播计划
视频列表
评论
课程介绍
资料列表
教师笔记

回归预测-20240625-01-人工智能概述

15分钟 · 447次播放

回归预测-20240625-02-机器学习概述

22分钟 · 126次播放

回归预测-20240625-03-文字与词向量

31分钟 · 133次播放

回归预测-20240625-04-图像数值运算

13分钟 · 137次播放

回归预测-20240625-05-数据标准化

25分钟 · 136次播放

回归预测-20240625-06-向量和距离运算

27分钟 · 77次播放

回归预测-20240625-07-余弦相似度

17分钟 · 111次播放

回归预测-20240627-01-作业讲解一

26分钟 · 49次播放

回归预测-20240627-02-作业讲解二

21分钟 · 1136次播放

回归预测-20240627-03-Numpy操作

35分钟 · 97次播放

回归预测-20240627-04-矩阵乘法

8分钟 · 77次播放

回归预测-20240627-05-Pandas操作

31分钟 · 62次播放

回归预测-20240627-06-Matplotlib

26分钟 · 66次播放

回归预测-20240629-01-一元线性回归概述

25分钟 · 66次播放

回归预测-20240629-02-最小二乘法

32分钟 · 70次播放

回归预测-20240629-03-梯度下降的原理

44分钟 · 202次播放

回归预测-20240629-04-销售额数据集预备

25分钟 · 112次播放

回归预测-20240629-05-使用SKLearn拟合

22分钟 · 106次播放

回归预测-20240702-01-作业讲解

26分钟 · 44次播放

回归预测-20240702-02-损失与梯度计算

42分钟 · 98次播放

回归预测-20240702-03-梯度下降与训练

41分钟 · 90次播放

回归预测-20240702-04-模型预测与逆向归一化

27分钟 · 182次播放

回归预测-20240702-05-补充Python环境配置

47分钟 · 59次播放

回归预测-20240704-01-多元线性回归公式

22分钟 · 52次播放

回归预测-20240704-02-利用SKLearn拟合

33分钟 · 51次播放

回归预测-20240704-03-代码实现与训练一

31分钟 · 70次播放

回归预测-20240704-04-代码实现与训练二

21分钟 · 63次播放

回归预测-20240704-05-预测与逆向缩放

28分钟 · 102次播放

回归预测-20240706-01-逻辑回归前置知识

26分钟 · 42次播放

回归预测-20240706-02-训练代码与测试

39分钟 · 52次播放

回归预测-20240706-03-哑特征优化模型

35分钟 · 90次播放

共有条回复

{{replyComment.createTime | dateForMat(replyComment.createTime)}}

课程目标

线性回归、逻辑回归、归一化处理、梯度下降、模型拟合、数据预测

知识要点

一元线性回归、最小二乘法、函数求导、梯度下降、归一化处理、数据集处理、损失函数、多元线性回归、逻辑回归、Sigmoid函数、模型训练、模型验证、哑特征设计、正则化、欠拟合、过拟合、销售额预测项目实战、病患预测项目实战

课程详情

回归分析预测-代码.zip

回归分析预测-讲师代码

5.62MB · 10次下载

房价与病患数据集.zip

房价与病患数据集

0.34MB · 7次下载

advertising.zip

网店广告与销售额数据集200条

0MB · 6次下载

销售记录数据.zip

一份Excel，一份CSV，用来练习Pandas处理和Matplotlib绘图

2.29MB · 6次下载

hanlp-wiki-vec-zh.zip

一个训练好的词向量文件

82.98MB · 9次下载

授课讲师

邓强

蜗牛学苑资深讲师，教学总监，四川大学硕士，系统架构师。20年软件研发、测试、管理及授课经验，精通各种开发和测试技术，如Java开发、PHP开发、Python开发、性能测试、渗透测试、安全攻防等，精通AI人工智能技术体系及底层原理，具备丰富的项目研发和实施经验，正式出版多本个人专著。从事培训事业以来学生过万，遍布国内外各大IT公司。教学严谨细致、原理讲解透彻、注重底层原理，全面培养学生各项素质。

看看TA的主页

推荐课程