黑马程序员2021必看教程之人工智能入门，13天的机器学习入门精讲+14大案例分析（含NBA球员数据分析，租房数据统计分析，疾病数据分析等）-2.目标函数确定和树的复杂度介绍-网易公开课

已购课程

个人中心 

内容中心

 关注我们

进入关怀模式

APP下载

反馈

2.目标函数确定和树的复杂度介绍

1690 播放

下载

手机看

登录后可发评论

评论沙发是我的～

选集(187)

自动播放

[1] 1.机器学习科学计算库内容简介

1.6万播放

04:06

1.机器学习科学计算库内容简介

[2] 2.人工智能概述

3758播放

12:21

2.人工智能概述

[3] 3.人工智能的发展历程

2541播放

07:00

3.人工智能的发展历程

[4] 4.人工智能主要分支

2368播放

07:04

4.人工智能主要分支

[5] 5.机器学习定义工作流程概述

2144播放

04:15

5.机器学习定义工作流程概述

[6] 6.机器学习工作流程各步骤解释

2924播放

14:44

6.机器学习工作流程各步骤解释

[7] 7.机器学习算法分类介绍

2792播放

12:41

7.机器学习算法分类介绍

[8] 8.模型评估

2025播放

08:51

8.模型评估

[9] 9.Azure机器学习平台实验演示...

2496播放

14:51

9.Azure机器学习平台实验演示1

[10] 10.Azure机器学习平台实验演...

1849播放

06:04

10.Azure机器学习平台实验演示2

[11] 11.深度学习简介

2301播放

04:50

11.深度学习简介

[12] 12.基础环境安装

1752播放

03:52

12.基础环境安装

[13] 13.jupyter notebo...

2379播放

17:34

13.jupyter notebook的基本使用1

[14] 14.jupyter notebo...

1617播放

06:40

14.jupyter notebook的基本使用2

[15] 15.matplotlib的基本使...

1539播放

07:26

15.matplotlib的基本使用

[16] 1.实现基础绘图-某城市温度变换图

1292播放

05:58

1.实现基础绘图-某城市温度变换图

[17] 2.绘图辅助功能完善-某城市温度变...

1640播放

17:06

2.绘图辅助功能完善-某城市温度变换图

[18] 3.在一个坐标系下绘制多个图像

1565播放

08:04

3.在一个坐标系下绘制多个图像

[19] 4.在多个坐标系下绘制多个图像

1172播放

17:39

4.在多个坐标系下绘制多个图像

[20] 5.常见图形绘制

1204播放

11:20

5.常见图形绘制

[21] 6.numpy介绍

1694播放

10:18

6.numpy介绍

[22] 7.ndarray介绍

1434播放

10:51

7.ndarray介绍

[23] 8.创建0，1数组，固定范围数组

1433播放

09:32

8.创建0，1数组，固定范围数组

[24] 9.创建随机数组

1573播放

13:43

9.创建随机数组

[25] 10.数组的基本操作

1363播放

14:28

10.数组的基本操作

[26] 11.ndarray的运算

1480播放

16:59

11.ndarray的运算

[27] 12.数组间运算

1005播放

09:10

12.数组间运算

[28] 13.矩阵复习

1680播放

12:15

13.矩阵复习

[29] 14.pandas介绍

1212播放

02:43

14.pandas介绍

[30] 15pandas数据结构-seri...

1512播放

07:53

15pandas数据结构-series

[31] 16.pandas数据结构-Dat...

1864播放

10:23

16.pandas数据结构-DataFrame1

[32] 17.pandas数据结构-Dat...

1387播放

06:40

17.pandas数据结构-DataFrame2

[33] 18.pandas数据结构-mul...

1005播放

11:10

18.pandas数据结构-multiindex和panel

[34] 1.pandas中的索引

1181播放

12:56

1.pandas中的索引

[35] 2.赋值和排序

1890播放

07:44

2.赋值和排序

[36] 3.pandas中的算术运算和逻辑...

1346播放

08:13

3.pandas中的算术运算和逻辑运算

[37] 4.pandas中的统计函数

1254播放

06:11

4.pandas中的统计函数

[38] 5.pandas中的累计统计函数和...

1353播放

08:56

5.pandas中的累计统计函数和自定义函数

[39] 6.pandas中绘图方式介绍

1312播放

02:46

6.pandas中绘图方式介绍

[40] 7.pandas中文件的读取和写入

1618播放

19:35

7.pandas中文件的读取和写入

[41] 8.缺失值的处理

1642播放

20:29

8.缺失值的处理

[42] 9.数据离散化

932播放

11:54

9.数据离散化

[43] 10.数据表的合并

1609播放

07:36

10.数据表的合并

[44] 11.交叉表和透视表介绍

1693播放

13:52

11.交叉表和透视表介绍

[45] 12.分组聚合介绍

1037播放

07:58

12.分组聚合介绍

[46] 13.星巴克案例实现

1273播放

06:08

13.星巴克案例实现

[47] 14.电影案例分析1

1799播放

13:33

14.电影案例分析1

[48] 15.电影案例分析

1948播放

15:51

15.电影案例分析

[49] 1.绘制单变量分布

1613播放

09:12

1.绘制单变量分布

[50] 2.绘制双变量分布图形

1198播放

14:08

2.绘制双变量分布图形

[51] 3.类别散点图的绘制

963播放

06:38

3.类别散点图的绘制

[52] 4.类别内的数据分布和统计估计

1043播放

10:50

4.类别内的数据分布和统计估计

[53] 5.NBA数据获取和相关性基本分析

1636播放

11:16

5.NBA数据获取和相关性基本分析

[54] 6.对数据进行分析-seaborn

1454播放

15:49

6.对数据进行分析-seaborn

[55] 7.衍生变量的可视化实践

905播放

14:19

7.衍生变量的可视化实践

[56] 8.球队数据分析

1142播放

23:49

8.球队数据分析

[57] 9.北京市租房数据获取和重复值与空...

1514播放

09:53

9.北京市租房数据获取和重复值与空值处理

[58] 10.数据类型转换（面积，户型）

1177播放

10:39

10.数据类型转换（面积，户型）

[59] 11.房源数量和位置分布分析

1388播放

05:46

11.房源数量和位置分布分析

[60] 12.户型数量基本分析

963播放

16:00

12.户型数量基本分析

[61] 13.平均租金基本分析

1202播放

18:56

13.平均租金基本分析

[62] 14.面积区间分析

1465播放

10:04

14.面积区间分析

[63] 1.K-近邻算法简介

1150播放

11:14

1.K-近邻算法简介

[64] 2.K近邻算法api初步使用

1078播放

09:36

2.K近邻算法api初步使用

[65] 3.机器学习中距离度量介绍

899播放

11:17

3.机器学习中距离度量介绍

[66] 4.K值的选择介绍

1369播放

06:22

4.K值的选择介绍

[67] 5.kd树和kd树的构造过程

1802播放

09:33

5.kd树和kd树的构造过程

[68] 6.kd树案例实现

1220播放

16:18

6.kd树案例实现

[69] 7.数据集获取和属性介绍

1218播放

12:34

7.数据集获取和属性介绍

[70] 8.数据可视化介绍

1576播放

10:01

8.数据可视化介绍

[71] 9.数据集的划分

1401播放

09:38

9.数据集的划分

[72] 10.特征预处理简介

1655播放

04:04

10.特征预处理简介

[73] 11.归一化和标准化介绍

1747播放

16:13

11.归一化和标准化介绍

[74] 12.鸢尾花种类预测

1366播放

14:56

12.鸢尾花种类预测

[75] 13.KNN算法总结

1625播放

04:43

13.KNN算法总结

[76] 14.交叉验证、网格搜索概念介绍

1010播放

06:28

14.交叉验证、网格搜索概念介绍

[77] 15.交叉验证、网格搜索案例实现

751播放

07:48

15.交叉验证、网格搜索案例实现

[78] 1.案例-Facebook位置预测...

1305播放

09:00

1.案例-Facebook位置预测流程分析

[79] 2.案例-Facebook位置预测...

1017播放

19:27

2.案例-Facebook位置预测代码实现1

[80] 3.案例-Facebook位置预测...

938播放

14:36

3.案例-Facebook位置预测代码实现2

[81] 4.补充-数据分割和留出法

890播放

08:21

4.补充-数据分割和留出法

[82] 5.补充-交叉验证法和自助法

1187播放

13:53

5.补充-交叉验证法和自助法

[83] 6.线性回归简介

1468播放

06:32

6.线性回归简介

[84] 7.初始线性回归api

1661播放

05:49

7.初始线性回归api

[85] 8.数学：求导

980播放

05:29

8.数学：求导

[86] 9.线性回归中损失函数的介绍

1266播放

05:12

9.线性回归中损失函数的介绍

[87] 10.使用正规方程对损失函数进行优...

1154播放

10:38

10.使用正规方程对损失函数进行优化

[88] 11.使用梯度下降法对损失函数进行...

1233播放

12:23

11.使用梯度下降法对损失函数进行优化

[89] 12.梯度下降法方法介绍

1598播放

13:53

12.梯度下降法方法介绍

[90] 13.线性回归api再介绍

858播放

03:12

13.线性回归api再介绍

[91] 14.波士顿房价预测案例

1362播放

18:23

14.波士顿房价预测案例

[92] 15.欠拟合和过拟合的介绍

1336播放

07:37

15.欠拟合和过拟合的介绍

[93] 16.正则化线性模型

1393播放

05:59

16.正则化线性模型

[94] 17.岭回归介绍

834播放

08:00

17.岭回归介绍

[95] 18.模型保存和加载

1096播放

07:37

18.模型保存和加载

[96] 2.逻辑回归api介绍

945播放

02:43

2.逻辑回归api介绍

[97] 3.肿瘤预测案例

1479播放

16:03

3.肿瘤预测案例

[98] 4.分类评估方法介绍

984播放

20:59

4.分类评估方法介绍

[99] 5.roc曲线绘制过程

1437播放

09:52

5.roc曲线绘制过程

[100] 6.补充-类别不平衡数据介绍

1183播放

09:11

6.补充-类别不平衡数据介绍

[101] 7.补充-过采样和欠采样介绍

1205播放

11:13

7.补充-过采样和欠采样介绍

[102] 8.决策树算法简介

1976播放

02:51

8.决策树算法简介

[103] 9.熵的介绍

1203播放

08:30

9.熵的介绍

[104] 10.信息增益的介绍

1208播放

09:40

10.信息增益的介绍

[105] 11.信息增益率的介绍

1605播放

13:31

11.信息增益率的介绍

[106] 12.基尼指数的介绍

1340播放

09:13

12.基尼指数的介绍

[107] 13.决策树划分原理小结

1443播放

05:21

13.决策树划分原理小结

[108] 14.cart剪枝介绍

1626播放

13:16

14.cart剪枝介绍

[109] 15.字典特征提取

1637播放

13:26

15.字典特征提取

[110] 16.英文文本特征提取

1338播放

09:10

16.英文文本特征提取

[111] 17.中文文本特征提取

1392播放

16:39

17.中文文本特征提取

[112] 2.泰坦尼克号乘客生存预测

1164播放

20:16

2.泰坦尼克号乘客生存预测

[113] 3.树木可视化操作

1430播放

07:58

3.树木可视化操作

[114] 4.回归决策树介绍

1800播放

10:35

4.回归决策树介绍

[115] 5.回归决策树和线性回归对比

1265播放

12:29

5.回归决策树和线性回归对比

[116] 6.集成学习基本介绍

978播放

03:49

6.集成学习基本介绍

[117] 7.bagging和随机森林

1677播放

20:07

7.bagging和随机森林

[118] 8.otto案例介绍以及数据获取

1019播放

12:17

8.otto案例介绍以及数据获取

[119] 9.otto数据基本处理

1280播放

11:36

9.otto数据基本处理

[120] 10.otto数据模型基本训练

1711播放

12:34

10.otto数据模型基本训练

[121] 11.模型调优和确定最优模型

1547播放

24:54

11.模型调优和确定最优模型

[122] 12.生成提交数据

764播放

09:13

12.生成提交数据

[123] 13.boosting介绍

1787播放

13:09

13.boosting介绍

[124] 14.GBDT的介绍

1830播放

15:18

14.GBDT的介绍

[125] 1.聚类算法介绍

1368播放

03:35

1.聚类算法介绍

[126] 2.聚类算法api初步实现

1222播放

10:57

2.聚类算法api初步实现

[127] 3.聚类算法实现流程

1287播放

05:58

3.聚类算法实现流程

[128] 4.模型评估

1254播放

10:44

4.模型评估

[129] 5.算法优化介绍

1267播放

11:56

5.算法优化介绍

[130] 6.特征降维内容介绍

1332播放

19:32

6.特征降维内容介绍

[131] 7.pca降维介绍

1338播放

06:53

7.pca降维介绍

[132] 8.用户对物品类别的喜好细分案例

1310播放

15:09

8.用户对物品类别的喜好细分案例

[133] 9.初始朴素贝叶斯

1655播放

02:50

9.初始朴素贝叶斯

[134] 10.概率内容复习

1634播放

15:23

10.概率内容复习

[135] 11.朴素贝叶斯计算案例

2036播放

09:48

11.朴素贝叶斯计算案例

[136] 12.朴素贝叶斯案例实现1

1092播放

09:40

12.朴素贝叶斯案例实现1

[137] 13.朴素贝叶斯案例实现2

1085播放

22:22

13.朴素贝叶斯案例实现2

[138] 14.朴素贝叶斯内容总结

1449播放

04:43

14.朴素贝叶斯内容总结

[139] 1.SVM基本介绍

1862播放

10:30

1.SVM基本介绍

[140] 2.SVM算法api初步使用

1504播放

02:52

2.SVM算法api初步使用

[141] 3.SVM算法推导的目标函数

1538播放

10:33

3.SVM算法推导的目标函数

[142] 4.SVM目标函数推导过程及举例

1590播放

16:07

4.SVM目标函数推导过程及举例

[143] 5.SVM损失函数

826播放

06:28

5.SVM损失函数

[144] 6.SVM的核方法介绍

1259播放

10:39

6.SVM的核方法介绍

[145] 7.SVM回归介绍

750播放

01:24

7.SVM回归介绍

[146] 8.SVM算法api再介绍

1321播放

05:27

8.SVM算法api再介绍

[147] 9.数字识别器案例初步介绍

1388播放

05:50

9.数字识别器案例初步介绍

[148] 10.数字识别器-获取数据

951播放

08:27

10.数字识别器-获取数据

[149] 11.数字识别器-数据基本处理和模...

716播放

23:53

11.数字识别器-数据基本处理和模型训练

[150] 12.SVM总结

1182播放

02:24

12.SVM总结

[151] 1.初识EM算法

1648播放

02:51

1.初识EM算法

[152] 2.EM算法介绍

1697播放

09:05

2.EM算法介绍

[153] 3.EM算法实例

1317播放

13:22

3.EM算法实例

[154] 4.马尔科夫链的介绍

1745播放

05:04

4.马尔科夫链的介绍

[155] 5.HMM模型的简单案例

1057播放

11:30

5.HMM模型的简单案例

[156] 6.HMM模型三种经典问题举例求解

847播放

15:40

6.HMM模型三种经典问题举例求解

[157] 7.HMM模型基础

808播放

16:15

7.HMM模型基础

[158] 8.前向后向算法评估观察序列概率

1554播放

18:50

8.前向后向算法评估观察序列概率

[159] 9.维特比算法解码隐藏状态序列

1017播放

15:07

9.维特比算法解码隐藏状态序列

[160] 10.鲍姆-韦尔奇算法简介

1117播放

02:11

10.鲍姆-韦尔奇算法简介

[161] 11.HMM模型api介绍及案例代...

1731播放

17:26

11.HMM模型api介绍及案例代码实现

[162] 1.xgboost最优模型构建方法

2090播放

05:04

1.xgboost最优模型构建方法

[163] 2.目标函数确定和树的复杂度介绍

1690播放

待播放

2.目标函数确定和树的复杂度介绍

[164] 3.XGBoost目标函数的推导

1728播放

13:05

3.XGBoost目标函数的推导

[165] 4.XGBoost的回归树构建方法

1404播放

05:50

4.XGBoost的回归树构建方法

[166] 5.XGBoost和GBDT的区别

1137播放

02:32

5.XGBoost和GBDT的区别

[167] 6.xgboost算法api与参数...

1627播放

08:23

6.xgboost算法api与参数介绍

[168] 7.xgboost简单案例介绍

1280播放

08:28

7.xgboost简单案例介绍

[169] 8.otto案例xgboost实现...

1451播放

20:51

8.otto案例xgboost实现-数据基本处理

[170] 9.otto案例xgboost实现...

755播放

06:35

9.otto案例xgboost实现-模型基本训练

[171] 10.otto案例xgboost实...

928播放

16:35

10.otto案例xgboost实现-模型调优

[172] 11.otto案例xgboost实...

1195播放

07:19

11.otto案例xgboost实现-最优模型运行

[173] 1.lightGBM简单介绍

1850播放

06:41

1.lightGBM简单介绍

[174] 2.lightGBM算法原理介绍

1323播放

10:13

2.lightGBM算法原理介绍

[175] 3.lightGBM算法api参数...

1627播放

06:44

3.lightGBM算法api参数介绍

[176] 4.lightGBM算法简单案例介...

1637播放

12:52

4.lightGBM算法简单案例介绍

[177] 5.pubg案例简介

1130播放

05:38

5.pubg案例简介

[178] 6.获取pubg数据

1461播放

08:09

6.获取pubg数据

[179] 7.数据缺失值处理和查看每场比赛人...

980播放

12:04

7.数据缺失值处理和查看每场比赛人数

[180] 8.规范化输出部分数据和部分变量合...

1277播放

08:51

8.规范化输出部分数据和部分变量合成

[181] 9.异常值处理1

1035播放

15:31

9.异常值处理1

[182] 10.异常值值处理2

1458播放

09:27

10.异常值值处理2

[183] 11.类别型数据处理

680播放

10:17

11.类别型数据处理

[184] 12.数据截取、确定特征值和目标值...

1088播放

05:00

12.数据截取、确定特征值和目标值、分割数据集

[185] 13.使用RF进行模型训练

958播放

12:52

13.使用RF进行模型训练

[186] 14.lightGBM对模型调优1

1327播放

10:38

14.lightGBM对模型调优1

[187] 15.lightGBM对模型调优2

731播放

10:50

15.lightGBM对模型调优2