05,机器学习-线性回归网盘资源 | 影盘社

file:日入500+自动软件网盘玩法-b265b25d1c53.docx
file:网盘拉新项目入口.JPG
file:40:归一化的副产品_有可能会提高模型的精度.mp4
file:41:最大值最小值归一化.mp4
file:38:归一化的目的_维度之间数量级不同产生的矛盾.mp4
file:39:归一化的目的_举例子来理解做归一化和不做归一化的区别.mp4
file:49:代码调用Ridge岭回归.mp4
file:56:实战保险花销预测_数据预处理.mp4
file:57:实战保险花销预测_模型训练和评估_选择非线性算法改进.mp4
file:53:多项式升维代码实战_传入不同超参数对比.mp4
file:52:升维的意义_多项式回归.mp4
file:45:正则化通过损失函数加入惩罚项使得W越小越好.mp4
file:46:常用的L1和L2正则项以及数学意义.mp4
file:47:L1稀疏性和L2平滑性.mp4
file:48:通过L1和L2的导函数理解区别的本质原因.mp4
file:44:正则化的目的防止过拟合.mp4
file:1:理解简单线性回归.mp4
file:16:Pycharm创建脚本并测试python开发环境.mp4
file:8:引入正太分布的概率密度函数.mp4
file:10:对数似然函数_推导出损失函数MSE.mp4
file:12:推导出目标函数的导函数形式.mp4
file:15:Anaconda环境安装_Pycharm环境安装.mp4
file:6:理解回归一词_中心极限定理_正太分布和做预测.mp4
file:第一阶段_手把手教你透彻掌握线性回归算法.pdf
file:17:解析解的方式求解多元线性回归_数据Xy.mp4
file:21:调用Scikit-learn中的多元线性回归求解模型(上).mp4
file:14:Python开发环境版本的选择及下载.mp4
file:19:解析解的方式求解多元线性回归_扩展随机种子概念_增加维度代码的变换.mp4
file:4:理解多元线性回归表达式几种写法的原因.mp4
file:20:Scikit-learn模块的介绍.mp4
file:9:明确目标通过最大总似然求解θ.mp4
file:13:θ解析解的公式_是否要考虑损失函数是凸函数.mp4
file:2:最优解_损失函数_MSE.mp4
file:7:假设误差服从正太分布_最大似然估计MLE.mp4
file:11:把目标函数按照线性代数的方式去表达.mp4
file:32:代码实现全量梯度下降第1步和第2步.mp4
file:28:全量梯度下降.mp4
file:23:梯度下降法产生的目的和原因以及思想.mp4
file:31:轮次和批次.mp4
file:第四阶段_梯度下降法_归一化_正则化_多项式升维.pdf
file:25:学习率设置的学问_全局最优解.mp4
file:30:对应梯度下降法的问题和挑战.mp4
file:26:梯度下降法迭代流程总结.mp4
file:36:代码改进保证训练数据全都能被随机取到.mp4
file:37:代码改进实现随着迭代增加动态调整学习率.mp4
file:27:多元线性回归下的梯度下降法.mp4
folder:05,机器学习-线性回归
folder:章节3:归一化
folder:章节5:Lasso回归_Ridge回归_多项式回归
folder:章节1:多元线性回归

分享时间

2025-12-25

入库时间

2025-12-27

资源类型

夸克网盘

分享用户

阳光*气的草莓

05,机器学习-线性回归网盘资源 | 影盘社

扫码获取资源