APP下载
反馈
11-神经元个数对结果的影响
1264 播放
收藏
下载
手机看
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
      [2] 第一章:线性回归原理推导
      7715播放
      06:10
      [3] 1-回归问题概述
      3064播放
      07:11
      [4] 2-误差项定义
      2511播放
      09:41
      [5] 3-独立同分布的意义
      2629播放
      07:32
      [6] 4-似然函数的作用
      2232播放
      10:50
      [7] 5-参数求解
      2157播放
      11:11
      [8] 6-梯度下降通俗解释
      2360播放
      08:34
      [9] 7参数更新方法
      1398播放
      08:17
      [10] 8-优化参数设置
      1728播放
      08:51
      [11] 第二章:线性回归代码实现
      2242播放
      05:16
      [12] 2-初始化步骤
      1713播放
      07:11
      [13] 3-实现梯度下降优化模块
      1211播放
      10:10
      [14] 4-损失与预测模块
      2147播放
      11:40
      [15] 5-数据与标签定义
      1444播放
      10:00
      [16] 6-训练线性回归模型
      1536播放
      10:43
      [17] 7-得到线性回归方程
      1483播放
      06:58
      [18] 8-整体流程debug解读
      1414播放
      08:16
      [19] 9-多特征回归模型
      1675播放
      09:46
      [20] 10-非线性回归
      1556播放
      11:22
      [21] 第三章:模型评估方法
      1791播放
      04:56
      [22] 2-数据集切分
      945播放
      07:15
      [23] 3-交叉验证的作用
      1029播放
      11:03
      [24] 4-交叉验证实验分析
      1089播放
      14:51
      [25] 5-混淆矩阵
      1461播放
      07:52
      [26] 6-评估指标对比分析
      1119播放
      12:13
      [27] 7-阈值对结果的影响
      1091播放
      08:26
      [28] 8-ROC曲线
      1688播放
      08:58
      [29] 第四章:线性回归实验分析
      1469播放
      08:09
      [30] 2-参数直接求解方法
      1084播放
      08:48
      [31] 3-预处理对结果的影响
      938播放
      12:39
      [32] 4-梯度下降模块
      1143播放
      06:36
      [33] 5-学习率对结果的影响
      817播放
      10:35
      [34] 6-随机梯度下降得到的效果
      1648播放
      13:15
      [35] 7-MiniBatch方法
      815播放
      08:42
      [36] 8-不同策略效果对比
      926播放
      08:36
      [37] 9-多项式回归
      1588播放
      11:16
      [38] 10-模型复杂度
      1525播放
      16:02
      [39] 11-样本数量对结果的影响
      1677播放
      15:56
      [40] 12-正则化的作用
      1449播放
      09:32
      [41] 13-岭回归与lasso
      1630播放
      19:29
      [42] 14-实验总结
      1057播放
      12:19
      [43] 第五章:逻辑回归原理推导
      1438播放
      08:24
      [44] 2-化简与求解
      975播放
      09:09
      [45] 第六章:逻辑回归代码实现
      967播放
      07:35
      [46] 2-训练模块功能
      1168播放
      09:56
      [47] 3-完成预测模块
      1351播放
      06:48
      [48] 4-优化目标定义
      1359播放
      09:31
      [49] 5-迭代优化参数
      843播放
      07:48
      [50] 6-梯度计算
      1424播放
      09:53
      [51] 7-得出最终结果
      1101播放
      10:40
      [52] 8-鸢尾花数据集多分类任务
      901播放
      06:55
      [53] 9-训练多分类模型
      663播放
      10:07
      [54] 10-准备测试数据
      1014播放
      09:02
      [55] 11-决策边界绘制
      736播放
      09:21
      [56] 12-非线性决策边界
      854播放
      05:39
      [57] 第七章:逻辑回归实验分析
      1230播放
      09:17
      [58] 2-概率结果随特征数值的变化
      945播放
      07:57
      [59] 3-可视化展示
      993播放
      10:20
      [60] 4-坐标棋盘制作
      918播放
      10:35
      [61] 5-分类决策边界展示分析
      1466播放
      13:35
      [62] 6-多分类-softmax
      1281播放
      13:08
      [63] 第八章:聚类算法-Kmeans&D...
      1616播放
      11:33
      [64] 2-KMEANS工作流程
      1034播放
      09:42
      [65] 3-KMEANS迭代可视化展示
      645播放
      08:19
      [66] 4-DBSCAN聚类算法
      1302播放
      11:03
      [67] 5-DBSCAN工作流程
      1223播放
      15:03
      [68] 6-DBSCAN可视化展示
      1634播放
      08:52
      [69] 第九章:Kmeans代码实现
      1069播放
      03:49
      [70] 2-计算得到簇中心点
      1107播放
      08:23
      [71] 3-样本点归属划分
      739播放
      07:21
      [72] 4-算法迭代更新
      1341播放
      07:19
      [73] 5-鸢尾花数据集聚类任务
      1445播放
      08:57
      [74] 6-聚类效果展示
      1419播放
      11:30
      [75] 第十章:聚类算法实验分析
      1075播放
      09:21
      [76] 2-聚类结果展示
      1456播放
      04:45
      [77] 3-建模流程解读
      953播放
      10:45
      [78] 4-不稳定结果
      1126播放
      04:14
      [79] 5-评估指标-Inertia
      1236播放
      07:24
      [80] 6-如何找到合适的K值
      1091播放
      06:55
      [81] 7-轮廓系数的作用
      1502播放
      09:15
      [82] 8-Kmenas算法存在的问题
      1078播放
      07:19
      [83] 9-应用实例-图像分割
      1405播放
      13:45
      [84] 10-半监督学习
      1074播放
      12:23
      [85] 11-DBSCAN算法
      1046播放
      08:10
      [86] 第十一章:决策树原理
      936播放
      08:29
      [87] 2-熵的作用
      1563播放
      06:39
      [88] 3-信息增益原理
      1157播放
      08:41
      [89] 4-决策树构造实例
      915播放
      07:40
      [90] 5-信息增益率与gini系数
      853播放
      06:07
      [91] 6-预剪枝方法
      1541播放
      08:02
      [92] 7-后剪枝方法
      1121播放
      06:54
      [93] 8-回归问题解决
      1032播放
      05:54
      [94] 第十二章:决策树代码实现
      931播放
      03:40
      [95] 2-递归生成树节点
      1159播放
      08:49
      [96] 3-整体框架逻辑
      771播放
      05:47
      [97] 4-熵值计算
      1601播放
      10:14
      [98] 5-数据集切分
      1035播放
      07:03
      [99] 6-完成树模型构建
      1763播放
      06:13
      [100] 7-测试算法效果
      918播放
      04:32
      [101] 第十三章:决策树实验分析
      751播放
      08:19
      [102] 2-决策边界展示分析
      1053播放
      10:34
      [103] 3-树模型预剪枝参数作用
      978播放
      10:48
      [104] 4-回归树模型
      766播放
      11:15
      [105] 第十四章:集成算法原理
      665播放
      10:18
      [106] 2-随机森林优势与特征重要性指标
      1549播放
      10:21
      [107] 3-提升算法概述
      1545播放
      08:51
      [108] 4-stacking堆叠模型
      711播放
      06:22
      [109] 第十五章:集成算法实验分析
      949播放
      06:27
      [110] 2-硬投票与软投票效果对比
      1089播放
      11:04
      [111] 3-Bagging策略效果
      1099播放
      07:34
      [112] 4-集成效果展示分析
      707播放
      10:42
      [113] 5-OOB袋外数据的作用
      1405播放
      03:38
      [114] 6-特征重要性热度图展示
      1126播放
      14:56
      [115] 7-Adaboost算法概述
      1238播放
      04:45
      [116] 8-Adaboost决策边界效果
      1517播放
      12:28
      [117] 9-GBDT提升算法流程
      1086播放
      08:18
      [118] 10-集成参数对比分析
      884播放
      14:55
      [119] 11-模型提前停止策略
      1141播放
      08:09
      [120] 12-停止方案实施
      810播放
      13:20
      [121] 13-堆叠模型
      1013播放
      05:53
      [122] 第十六章:支持向量机原理推导
      715播放
      07:30
      [123] 2-距离与数据定义
      798播放
      08:00
      [124] 3-目标函数推导
      642播放
      09:12
      [125] 4-拉格朗日乘子法求解
      658播放
      07:36
      [126] 5-化简最终目标函数
      1271播放
      06:03
      [127] 6-求解决策方程
      1167播放
      11:17
      [128] 7-软间隔优化
      1539播放
      12:42
      [129] 8-核函数的作用
      605播放
      09:24
      [130] 9-知识点总结
      809播放
      07:35
      [131] 第十七章:支持向量机实验分析
      805播放
      08:55
      [132] 2-决策边界可视化展示
      1254播放
      09:52
      [133] 3-软间隔的作用
      1178播放
      10:32
      [134] 4-非线性SVM
      1014播放
      06:52
      [135] 5-核函数的作用与效果
      1445播放
      16:15
      [136] 第十八章:神经网络算法原理
      1304播放
      07:55
      [137] 2-深度学习应用领域
      1413播放
      14:06
      [138] 3-计算机视觉任务
      952播放
      05:48
      [139] 4-视觉任务中遇到的问题
      1187播放
      10:01
      [140] 5-得分函数
      801播放
      07:14
      [141] 6-损失函数的作用
      1183播放
      10:42
      [142] 7-前向传播整体流程
      1442播放
      13:45
      [143] 8-返向传播计算方法
      1584播放
      09:33
      [144] 9-神经网络整体架构
      651播放
      10:52
      [145] 10-神经网络架构细节
      1290播放
      10:54
      [146] 11-神经元个数对结果的影响
      1264播放
      待播放
      [147] 12-正则化与激活函数
      1046播放
      08:49
      [148] 13-神经网络过拟合解决方法
      1508播放
      11:06
      [149] 第十九章:神经网络代码实现
      1273播放
      07:30
      [150] 2-参数初始化操作
      1314播放
      12:44
      [151] 3-矩阵向量转换
      1471播放
      09:10
      [152] 4-向量反变换
      1445播放
      09:17
      [153] 5-完成前向传播模块
      575播放
      10:17
      [154] 6-损失函数定义
      1365播放
      09:23
      [155] 7-准备反向传播迭代
      1535播放
      08:01
      [156] 8-差异项计算
      1547播放
      10:41
      [157] 9-逐层计算
      979播放
      10:10
      [158] 10-完成全部迭代更新模块
      1487播放
      13:49
      [159] 11-手写字体识别数据集
      889播放
      10:31
      [160] 12-算法代码错误修正
      1622播放
      10:37
      [161] 13-模型优化结果展示
      728播放
      10:51
      [162] 13-测试效果可视化展示
      1047播放
      13:09
      [163] 第二十章:贝叶斯算法原理
      1442播放
      05:10
      [164] 2-贝叶斯公式推导
      1539播放
      07:46
      [165] 3-拼写纠错实例
      1414播放
      11:45
      [166] 4-垃圾邮件过滤实例
      1096播放
      10:22
      [167] 第二十一章:贝叶斯代码实现
      1017播放
      06:04
      [168] 2-邮件数据读取
      769播放
      05:38
      [169] 3-预料表与特征向量构建
      1174播放
      09:49
      [170] 4-分类别统计词频
      607播放
      09:00
      [171] 5-贝叶斯公式对数变换
      1036播放
      08:07
      [172] 6-完成预测模块
      1038播放
      08:40
      [173] 第二十二章:关联规则实战分析
      904播放
      06:57
      [174] 2-支持度与置信度
      1239播放
      08:58
      [175] 3-提升度的作用
      1153播放
      08:45
      [176] 4-Python实战关联规则
      1237播放
      09:04
      [177] 5-数据集制作
      786播放
      07:51
      [178] 6-电影数据集题材关联分析
      839播放
      07:53
      [179] 第二十三章:关联规则代码实现
      1184播放
      11:57
      [180] 2-数据集demo
      812播放
      04:11
      [181] 3-扫描模块
      646播放
      07:26
      [182] 4-拼接模块
      752播放
      06:17
      [183] 5-挖掘频繁项集
      1217播放
      07:11
      [184] 6-规则生成模块
      1119播放
      07:37
      [185] 7-完成全部算法流程
      859播放
      07:36
      [186] 8-规则结果展示
      1352播放
      07:10
      [187] 第二十四章:词向量word2vec...
      1448播放
      08:14
      [188] 2-模型整体框架
      1462播放
      10:09
      [189] 3-训练数据构建
      647播放
      05:10
      [190] 4-CBOW与Skip-gram模...
      858播放
      08:20
      [191] 5-负采样方案
      860播放
      07:40
      [192] 第二十五章:代码实现word2ve...
      1063播放
      10:36
      [193] 2-数据清洗
      1287播放
      06:34
      [194] 3-batch数据制作
      987播放
      12:24
      [195] 4-网络训练
      1047播放
      12:36
      [196] 5-可视化展示
      1185播放
      06:17
      为你推荐
      09:51
      人脑细胞与鼠脑成功融合,超级鼠人有...
      1448播放
      15:53
      可汗学院公开课:神经元突触(化学)
      1.9万播放
      05:06
      3.1 细胞膜-系统的边界
      1214播放
      04:33
      这也太惊人了!宇宙竟然有自己的大脑...
      821播放
      08:33
      蔬食减食营:细胞能量切换升级,启动...
      904播放
      02:41
      DNA的奇迹之旅:睡眠中的细胞工匠...
      1456播放
      03:04
      粉丝基因报告说容易心肌梗死,然后被...
      1135播放
      09:49
      [2.1.1]--2.1神经元为什...
      1944播放
      13:58
      动物对环境的感知(上)
      7558播放
      05:55
      【滨州医学院-生理心理学(mooc...
      1025播放
      17:35
      基础:这是你的大脑(下)
      4950播放
      08:59
      可汗学院公开课:神经肌肉接点和肌肉...
      1.6万播放
      03:16
      集成信息理论认为:星系相当于神经元...
      1076播放
      18:00
      【CC讲坛】教研相长——破碳纳米管...
      9932播放