登录/注册
已购课程
个人中心
已购课程
优惠券
我的收藏
播放记录
我的证书墙
内容中心
关注我们
进入关怀模式
APP下载
反馈
意见反馈
您有什么问题?告诉我们,我们会为你解决
选择问题类型:
新版本体验建议
视频画面花屏
音/视频画面花屏
播放不流畅
其他
请详细描述您的建议、意见、问题等。
提交
5-化简最终目标函数
1271 播放
感情不能驭
勿问成功的秘诀为何。
收藏
课程免费缓存,随时观看~
下载
打开
网易公开课APP
扫码下载视频
分享
分享到
扫码分享到微信
通过代码可以让这个视频再其他地方播放哦!
复制HTML代码
复制页面代码
手机看
扫描二维码 用手机看
已观看至0分0秒
打开网易公开课APP-我的-右上角扫一扫,在手机上观看,还可以缓存视频,加入学习计划
还没有公开课客户端?
立即下载
登录
后可发评论
评论沙发是我的~
热门评论
(0)
全部评论
(0)
选集(196)
自动播放
[1] 课程先导介绍
1.7万播放
00:39
课程先导介绍
[2] 第一章:线性回归原理推导
7965播放
06:10
第一章:线性回归原理推导
[3] 1-回归问题概述
3194播放
07:11
1-回归问题概述
[4] 2-误差项定义
2631播放
09:41
2-误差项定义
[5] 3-独立同分布的意义
2699播放
07:32
3-独立同分布的意义
[6] 4-似然函数的作用
2362播放
10:50
4-似然函数的作用
[7] 5-参数求解
2207播放
11:11
5-参数求解
[8] 6-梯度下降通俗解释
2400播放
08:34
6-梯度下降通俗解释
[9] 7参数更新方法
1418播放
08:17
7参数更新方法
[10] 8-优化参数设置
1748播放
08:51
8-优化参数设置
[11] 第二章:线性回归代码实现
2262播放
05:16
第二章:线性回归代码实现
[12] 2-初始化步骤
1743播放
07:11
2-初始化步骤
[13] 3-实现梯度下降优化模块
1221播放
10:10
3-实现梯度下降优化模块
[14] 4-损失与预测模块
2157播放
11:40
4-损失与预测模块
[15] 5-数据与标签定义
1464播放
10:00
5-数据与标签定义
[16] 6-训练线性回归模型
1546播放
10:43
6-训练线性回归模型
[17] 7-得到线性回归方程
1483播放
06:58
7-得到线性回归方程
[18] 8-整体流程debug解读
1414播放
08:16
8-整体流程debug解读
[19] 9-多特征回归模型
1675播放
09:46
9-多特征回归模型
[20] 10-非线性回归
1556播放
11:22
10-非线性回归
[21] 第三章:模型评估方法
1791播放
04:56
第三章:模型评估方法
[22] 2-数据集切分
955播放
07:15
2-数据集切分
[23] 3-交叉验证的作用
1029播放
11:03
3-交叉验证的作用
[24] 4-交叉验证实验分析
1089播放
14:51
4-交叉验证实验分析
[25] 5-混淆矩阵
1461播放
07:52
5-混淆矩阵
[26] 6-评估指标对比分析
1119播放
12:13
6-评估指标对比分析
[27] 7-阈值对结果的影响
1101播放
08:26
7-阈值对结果的影响
[28] 8-ROC曲线
1698播放
08:58
8-ROC曲线
[29] 第四章:线性回归实验分析
1479播放
08:09
第四章:线性回归实验分析
[30] 2-参数直接求解方法
1084播放
08:48
2-参数直接求解方法
[31] 3-预处理对结果的影响
938播放
12:39
3-预处理对结果的影响
[32] 4-梯度下降模块
1143播放
06:36
4-梯度下降模块
[33] 5-学习率对结果的影响
817播放
10:35
5-学习率对结果的影响
[34] 6-随机梯度下降得到的效果
1648播放
13:15
6-随机梯度下降得到的效果
[35] 7-MiniBatch方法
815播放
08:42
7-MiniBatch方法
[36] 8-不同策略效果对比
926播放
08:36
8-不同策略效果对比
[37] 9-多项式回归
1588播放
11:16
9-多项式回归
[38] 10-模型复杂度
1525播放
16:02
10-模型复杂度
[39] 11-样本数量对结果的影响
1677播放
15:56
11-样本数量对结果的影响
[40] 12-正则化的作用
1469播放
09:32
12-正则化的作用
[41] 13-岭回归与lasso
1630播放
19:29
13-岭回归与lasso
[42] 14-实验总结
1057播放
12:19
14-实验总结
[43] 第五章:逻辑回归原理推导
1438播放
08:24
第五章:逻辑回归原理推导
[44] 2-化简与求解
975播放
09:09
2-化简与求解
[45] 第六章:逻辑回归代码实现
967播放
07:35
第六章:逻辑回归代码实现
[46] 2-训练模块功能
1168播放
09:56
2-训练模块功能
[47] 3-完成预测模块
1361播放
06:48
3-完成预测模块
[48] 4-优化目标定义
1359播放
09:31
4-优化目标定义
[49] 5-迭代优化参数
843播放
07:48
5-迭代优化参数
[50] 6-梯度计算
1424播放
09:53
6-梯度计算
[51] 7-得出最终结果
1101播放
10:40
7-得出最终结果
[52] 8-鸢尾花数据集多分类任务
901播放
06:55
8-鸢尾花数据集多分类任务
[53] 9-训练多分类模型
663播放
10:07
9-训练多分类模型
[54] 10-准备测试数据
1014播放
09:02
10-准备测试数据
[55] 11-决策边界绘制
736播放
09:21
11-决策边界绘制
[56] 12-非线性决策边界
854播放
05:39
12-非线性决策边界
[57] 第七章:逻辑回归实验分析
1230播放
09:17
第七章:逻辑回归实验分析
[58] 2-概率结果随特征数值的变化
945播放
07:57
2-概率结果随特征数值的变化
[59] 3-可视化展示
993播放
10:20
3-可视化展示
[60] 4-坐标棋盘制作
918播放
10:35
4-坐标棋盘制作
[61] 5-分类决策边界展示分析
1466播放
13:35
5-分类决策边界展示分析
[62] 6-多分类-softmax
1281播放
13:08
6-多分类-softmax
[63] 第八章:聚类算法-Kmeans&D...
1616播放
11:33
第八章:聚类算法-Kmeans&Dbscan原理
[64] 2-KMEANS工作流程
1034播放
09:42
2-KMEANS工作流程
[65] 3-KMEANS迭代可视化展示
645播放
08:19
3-KMEANS迭代可视化展示
[66] 4-DBSCAN聚类算法
1302播放
11:03
4-DBSCAN聚类算法
[67] 5-DBSCAN工作流程
1223播放
15:03
5-DBSCAN工作流程
[68] 6-DBSCAN可视化展示
1634播放
08:52
6-DBSCAN可视化展示
[69] 第九章:Kmeans代码实现
1069播放
03:49
第九章:Kmeans代码实现
[70] 2-计算得到簇中心点
1107播放
08:23
2-计算得到簇中心点
[71] 3-样本点归属划分
739播放
07:21
3-样本点归属划分
[72] 4-算法迭代更新
1341播放
07:19
4-算法迭代更新
[73] 5-鸢尾花数据集聚类任务
1445播放
08:57
5-鸢尾花数据集聚类任务
[74] 6-聚类效果展示
1419播放
11:30
6-聚类效果展示
[75] 第十章:聚类算法实验分析
1075播放
09:21
第十章:聚类算法实验分析
[76] 2-聚类结果展示
1456播放
04:45
2-聚类结果展示
[77] 3-建模流程解读
953播放
10:45
3-建模流程解读
[78] 4-不稳定结果
1126播放
04:14
4-不稳定结果
[79] 5-评估指标-Inertia
1236播放
07:24
5-评估指标-Inertia
[80] 6-如何找到合适的K值
1091播放
06:55
6-如何找到合适的K值
[81] 7-轮廓系数的作用
1502播放
09:15
7-轮廓系数的作用
[82] 8-Kmenas算法存在的问题
1078播放
07:19
8-Kmenas算法存在的问题
[83] 9-应用实例-图像分割
1415播放
13:45
9-应用实例-图像分割
[84] 10-半监督学习
1074播放
12:23
10-半监督学习
[85] 11-DBSCAN算法
1046播放
08:10
11-DBSCAN算法
[86] 第十一章:决策树原理
946播放
08:29
第十一章:决策树原理
[87] 2-熵的作用
1563播放
06:39
2-熵的作用
[88] 3-信息增益原理
1157播放
08:41
3-信息增益原理
[89] 4-决策树构造实例
915播放
07:40
4-决策树构造实例
[90] 5-信息增益率与gini系数
853播放
06:07
5-信息增益率与gini系数
[91] 6-预剪枝方法
1541播放
08:02
6-预剪枝方法
[92] 7-后剪枝方法
1121播放
06:54
7-后剪枝方法
[93] 8-回归问题解决
1032播放
05:54
8-回归问题解决
[94] 第十二章:决策树代码实现
931播放
03:40
第十二章:决策树代码实现
[95] 2-递归生成树节点
1159播放
08:49
2-递归生成树节点
[96] 3-整体框架逻辑
781播放
05:47
3-整体框架逻辑
[97] 4-熵值计算
1601播放
10:14
4-熵值计算
[98] 5-数据集切分
1035播放
07:03
5-数据集切分
[99] 6-完成树模型构建
1763播放
06:13
6-完成树模型构建
[100] 7-测试算法效果
918播放
04:32
7-测试算法效果
[101] 第十三章:决策树实验分析
751播放
08:19
第十三章:决策树实验分析
[102] 2-决策边界展示分析
1053播放
10:34
2-决策边界展示分析
[103] 3-树模型预剪枝参数作用
978播放
10:48
3-树模型预剪枝参数作用
[104] 4-回归树模型
766播放
11:15
4-回归树模型
[105] 第十四章:集成算法原理
665播放
10:18
第十四章:集成算法原理
[106] 2-随机森林优势与特征重要性指标
1549播放
10:21
2-随机森林优势与特征重要性指标
[107] 3-提升算法概述
1545播放
08:51
3-提升算法概述
[108] 4-stacking堆叠模型
721播放
06:22
4-stacking堆叠模型
[109] 第十五章:集成算法实验分析
949播放
06:27
第十五章:集成算法实验分析
[110] 2-硬投票与软投票效果对比
1089播放
11:04
2-硬投票与软投票效果对比
[111] 3-Bagging策略效果
1099播放
07:34
3-Bagging策略效果
[112] 4-集成效果展示分析
707播放
10:42
4-集成效果展示分析
[113] 5-OOB袋外数据的作用
1405播放
03:38
5-OOB袋外数据的作用
[114] 6-特征重要性热度图展示
1126播放
14:56
6-特征重要性热度图展示
[115] 7-Adaboost算法概述
1238播放
04:45
7-Adaboost算法概述
[116] 8-Adaboost决策边界效果
1517播放
12:28
8-Adaboost决策边界效果
[117] 9-GBDT提升算法流程
1086播放
08:18
9-GBDT提升算法流程
[118] 10-集成参数对比分析
884播放
14:55
10-集成参数对比分析
[119] 11-模型提前停止策略
1141播放
08:09
11-模型提前停止策略
[120] 12-停止方案实施
810播放
13:20
12-停止方案实施
[121] 13-堆叠模型
1013播放
05:53
13-堆叠模型
[122] 第十六章:支持向量机原理推导
715播放
07:30
第十六章:支持向量机原理推导
[123] 2-距离与数据定义
798播放
08:00
2-距离与数据定义
[124] 3-目标函数推导
642播放
09:12
3-目标函数推导
[125] 4-拉格朗日乘子法求解
658播放
07:36
4-拉格朗日乘子法求解
[126] 5-化简最终目标函数
1271播放
待播放
5-化简最终目标函数
[127] 6-求解决策方程
1167播放
11:17
6-求解决策方程
[128] 7-软间隔优化
1539播放
12:42
7-软间隔优化
[129] 8-核函数的作用
605播放
09:24
8-核函数的作用
[130] 9-知识点总结
829播放
07:35
9-知识点总结
[131] 第十七章:支持向量机实验分析
805播放
08:55
第十七章:支持向量机实验分析
[132] 2-决策边界可视化展示
1254播放
09:52
2-决策边界可视化展示
[133] 3-软间隔的作用
1178播放
10:32
3-软间隔的作用
[134] 4-非线性SVM
1014播放
06:52
4-非线性SVM
[135] 5-核函数的作用与效果
1445播放
16:15
5-核函数的作用与效果
[136] 第十八章:神经网络算法原理
1304播放
07:55
第十八章:神经网络算法原理
[137] 2-深度学习应用领域
1413播放
14:06
2-深度学习应用领域
[138] 3-计算机视觉任务
952播放
05:48
3-计算机视觉任务
[139] 4-视觉任务中遇到的问题
1187播放
10:01
4-视觉任务中遇到的问题
[140] 5-得分函数
801播放
07:14
5-得分函数
[141] 6-损失函数的作用
1183播放
10:42
6-损失函数的作用
[142] 7-前向传播整体流程
1442播放
13:45
7-前向传播整体流程
[143] 8-返向传播计算方法
1584播放
09:33
8-返向传播计算方法
[144] 9-神经网络整体架构
651播放
10:52
9-神经网络整体架构
[145] 10-神经网络架构细节
1290播放
10:54
10-神经网络架构细节
[146] 11-神经元个数对结果的影响
1264播放
07:11
11-神经元个数对结果的影响
[147] 12-正则化与激活函数
1046播放
08:49
12-正则化与激活函数
[148] 13-神经网络过拟合解决方法
1508播放
11:06
13-神经网络过拟合解决方法
[149] 第十九章:神经网络代码实现
1273播放
07:30
第十九章:神经网络代码实现
[150] 2-参数初始化操作
1314播放
12:44
2-参数初始化操作
[151] 3-矩阵向量转换
1471播放
09:10
3-矩阵向量转换
[152] 4-向量反变换
1445播放
09:17
4-向量反变换
[153] 5-完成前向传播模块
575播放
10:17
5-完成前向传播模块
[154] 6-损失函数定义
1365播放
09:23
6-损失函数定义
[155] 7-准备反向传播迭代
1535播放
08:01
7-准备反向传播迭代
[156] 8-差异项计算
1547播放
10:41
8-差异项计算
[157] 9-逐层计算
979播放
10:10
9-逐层计算
[158] 10-完成全部迭代更新模块
1487播放
13:49
10-完成全部迭代更新模块
[159] 11-手写字体识别数据集
889播放
10:31
11-手写字体识别数据集
[160] 12-算法代码错误修正
1622播放
10:37
12-算法代码错误修正
[161] 13-模型优化结果展示
728播放
10:51
13-模型优化结果展示
[162] 13-测试效果可视化展示
1047播放
13:09
13-测试效果可视化展示
[163] 第二十章:贝叶斯算法原理
1442播放
05:10
第二十章:贝叶斯算法原理
[164] 2-贝叶斯公式推导
1539播放
07:46
2-贝叶斯公式推导
[165] 3-拼写纠错实例
1414播放
11:45
3-拼写纠错实例
[166] 4-垃圾邮件过滤实例
1096播放
10:22
4-垃圾邮件过滤实例
[167] 第二十一章:贝叶斯代码实现
1017播放
06:04
第二十一章:贝叶斯代码实现
[168] 2-邮件数据读取
769播放
05:38
2-邮件数据读取
[169] 3-预料表与特征向量构建
1174播放
09:49
3-预料表与特征向量构建
[170] 4-分类别统计词频
607播放
09:00
4-分类别统计词频
[171] 5-贝叶斯公式对数变换
1036播放
08:07
5-贝叶斯公式对数变换
[172] 6-完成预测模块
1038播放
08:40
6-完成预测模块
[173] 第二十二章:关联规则实战分析
904播放
06:57
第二十二章:关联规则实战分析
[174] 2-支持度与置信度
1239播放
08:58
2-支持度与置信度
[175] 3-提升度的作用
1153播放
08:45
3-提升度的作用
[176] 4-Python实战关联规则
1237播放
09:04
4-Python实战关联规则
[177] 5-数据集制作
786播放
07:51
5-数据集制作
[178] 6-电影数据集题材关联分析
839播放
07:53
6-电影数据集题材关联分析
[179] 第二十三章:关联规则代码实现
1184播放
11:57
第二十三章:关联规则代码实现
[180] 2-数据集demo
812播放
04:11
2-数据集demo
[181] 3-扫描模块
646播放
07:26
3-扫描模块
[182] 4-拼接模块
752播放
06:17
4-拼接模块
[183] 5-挖掘频繁项集
1217播放
07:11
5-挖掘频繁项集
[184] 6-规则生成模块
1119播放
07:37
6-规则生成模块
[185] 7-完成全部算法流程
859播放
07:36
7-完成全部算法流程
[186] 8-规则结果展示
1352播放
07:10
8-规则结果展示
[187] 第二十四章:词向量word2vec...
1448播放
08:14
第二十四章:词向量word2vec通俗解读
[188] 2-模型整体框架
1462播放
10:09
2-模型整体框架
[189] 3-训练数据构建
647播放
05:10
3-训练数据构建
[190] 4-CBOW与Skip-gram模...
858播放
08:20
4-CBOW与Skip-gram模型
[191] 5-负采样方案
860播放
07:40
5-负采样方案
[192] 第二十五章:代码实现word2ve...
1063播放
10:36
第二十五章:代码实现word2vec词向量模型
[193] 2-数据清洗
1287播放
06:34
2-数据清洗
[194] 3-batch数据制作
987播放
12:24
3-batch数据制作
[195] 4-网络训练
1047播放
12:36
4-网络训练
[196] 5-可视化展示
1185播放
06:17
5-可视化展示
为你推荐
11:57
2.4 幂函数与二次函数(基础A)...
4120播放
2.4 幂函数与二次函数(基础A)(上)
14:33
38-第7章单行函数课后练习(上)
864播放
38-第7章单行函数课后练习(上)
11:56
【厦大软工系C程序设计(9) 函数...
1509播放
【厦大软工系C程序设计(9) 函数】1 函数的组成(上)
11:25
5.19-5.22 函数训练(一)...
1208播放
5.19-5.22 函数训练(一)(下)
18:23
【基础】【函数】12、指对运算(下...
1829播放
【基础】【函数】12、指对运算(下)
07:16
如何理解二元函数可微(上)
1749播放
如何理解二元函数可微(上)
02:47
【《跟着孙兴华学习 Excel P...
1837播放
【《跟着孙兴华学习 Excel Power Query M函数 第3季》Excel PowerQuery教程 【本季完】】如何快速的学习M函数
29:07
[oeasy]excel182逻辑...
1312播放
[oeasy]excel182逻辑函数
09:51
Day19-11 函数递归介绍(上...
1476播放
Day19-11 函数递归介绍(上)
10:57
5-19 函数 函数的定义(下)
1299播放
5-19 函数 函数的定义(下)
04:09
【【Python教程】看漫画学py...
2807播放
【【Python教程】看漫画学python | 由入门到精通教程】8.1 定义函数
10:06
更多长除法和余数的例子
5.2万播放
更多长除法和余数的例子
02:50
2.3理解Python中的变量
1.3万播放
2.3理解Python中的变量
14:08
【哈尔滨工程大学公开课:数学零距离...
2408播放
【哈尔滨工程大学公开课:数学零距离】关于数据(下)
评论沙发是我的~