Advertisement

菜菜的sklearn课程(1-12全课)压缩包。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
该机器学习课程，采用sklearn库，并由B站的菜菜老师精心制作。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 菜菜的sklearn课程全套PDF（1-11课）.rar
    优质
    本资源包含菜菜的sklearn课程从第1课到第11课的所有PDF讲义，适合希望系统学习sklearn库进行机器学习应用的初学者和进阶者。 1. 决策树 2. 随机森林 3. 特征工程 4. 降维算法 5. 逻辑回归 6. 聚类算法 7. SVM版本 8. SVM案例 9. 线性回归 10. 朴素贝叶斯 11. XGBoost
     
  • 菜菜sklearn课程讲义完整版
    优质
    《菜菜sklearn课程讲义完整版》是一份全面介绍Python机器学习库scikit-learn的学习资料，适合编程初学者系统掌握机器学习基础知识与技能。 机器学习中的sklearn是一个非常强大的Python库，它提供了广泛的算法来处理数据挖掘和数据分析任务。这个库简化了模型的构建过程，并且易于使用，使得即使是初学者也能快速上手进行实践操作。通过sklearn，用户可以轻松地执行预处理步骤、选择合适的模型以及评估预测结果等关键工作流程中的各个部分。
     
  • 菜菜的sklearn机器学习全套资料（课件、代码、ipynb）
    优质
    本套资料为菜菜的sklearn机器学习课程全套内容，包含详细的课件讲解、完整源代码及可直接运行的Jupyter Notebook文件。适合初学者系统学习机器学习知识。 菜菜的sklearn机器学习完整版包括课件、代码和ipynb文件： - 01 决策树：包含课件数据源码； - 02 随机森林； - 03 数据预处理与特征工程； - 04 主成分分析PCA与奇异值分解SVD； - 05 逻辑回归与评分卡； - 06 聚类算法Kmeans； - 07 支持向量机（上）和（下）两部分； - 09 回归大家族：线性回归、岭回归、Lasso及多项式回归； - 010 朴素贝叶斯； - 011 XGBoost。
     
  • 菜菜sklearn教程pdf.rar
    优质
    该资源为《菜菜sklearn机器学习案例实战》PDF版本，包含大量实用示例和代码，适合初学者深入学习Python的sklearn库进行机器学习项目开发。 1 决策树 2 随机森林 3 特征工程 4 降维算法 5 逻辑回归 6 聚类算法 7 SVM 8 SVM 案例 9 线性回归 10 朴素贝叶斯 11 XGBoost 12 神经网络
     
  • 【机器学习】新手sklearn课程(1-12全集).zip
    优质
    这是一套专为机器学习初学者设计的完整教程，涵盖了使用Python库scikit-learn进行实践操作的知识点和案例分析，适合自学和进阶。 机器学习sklearn课程对应b站的菜菜课程。
     
  • 【机器学习】新手sklearn课程(1-12全集).zip
    优质
    本资源为针对初学者设计的完整sklearn机器学习库教程系列（共12节），适合希望快速入门Python机器学习实践的学习者。 配套的相关资料非常有用。看了菜菜的课程就知道这是高质量的内容了。 01 决策树课件数据源码 02 随机森林 03 数据预处理和特征工程 04 主成分分析PCA与奇异值分解SVD 05 逻辑回归与评分卡 06 聚类算法Kmeans 07 支持向量机上 08 支持向量机下 09 回归大家族：线性回归，岭回归，Lasso与多项式回归 10 朴素贝叶斯 11 XGBoost
     
  • 【机器学习】新手sklearn课程(1-12全集).rar
    优质
    本资源包含从入门到进阶的12个视频教程，全面讲解使用Python库Sklearn进行机器学习的方法和技巧，适合初学者系统学习。 【机器学习】菜菜的sklearn课堂（1-12全课）涵盖了以下内容： 1. 决策树 2. 随机森林 3. 数据预处理和特征工程 4. 主成分分析PCA 5. 逻辑回归与评分卡 6. 聚类算法 7. 支持向量机上 8. 支持向量机下 9. 回归大家族 10. 朴素贝叶斯 11. XGBoost 12. 神经网络（还在录课）
     
  • 菜菜sklearn教程讲义.rar
    优质
    本资源为菜菜sklearn教程配套讲义，详细介绍了如何使用Python中的sklearn库进行机器学习实践。包含实例讲解与代码演示。适合初学者快速上手机器学习项目。 适合正在学习机器学习sklearn库的使用教程，关注即可下载哦~
     
  • 【机器学习】新手指南：菜菜的sklearn课堂教程及代码
    优质
    本教程为机器学习初学者设计，通过实例教授如何使用Python中的sklearn库进行模型构建与训练。适合完全没有编程经验的新手跟随学习，并提供详细代码供实践参考。 B站课程《菜菜的机器学习sklearn》配有详细的教材和代码，老师讲解非常详细，十分推荐。课程链接可以在B站搜索BV1vJ41187hk查看。 去掉链接后： 《菜菜的机器学习sklearn》这门B站课程有配套的教材和代码支持，老师的讲解很详尽，强烈推荐大家去学习。
     
  • sklearn数据分析（pandas笔记 + 完整版菜菜sklearn）
    优质
    本教程结合Pandas数据处理与完整版“菜菜”Sklearn机器学习实战内容，旨在帮助初学者掌握Python中进行数据分析和建模的核心技能。 内容概要： 本段落档涵盖了Acanoda、Python、sklearn以及graphviz的环境安装配置指南，方便读者快速上手。此外，还包含了pandas学习笔记、数据预处理方法、特征工程技巧、PCA与SVD技术讲解及各种机器学习算法（如决策树、随机森林、聚类分析、线性模型和回归等）的学习文档及其源代码。除了对各个算法原理的详细解释之外，还有丰富的案例实操内容，使读者能够完全参照文档进行自学，并在学完后具备一定的就业能力。 适合人群： 对机器学习感兴趣的初学者；希望转向数据分析领域的人士 通过本教程可以学到的内容包括但不限于数据预处理技术、特征工程方法、降维技巧以及各种机器学习算法的原理及其模型训练与调优技巧，同时也会掌握pandas库的有效使用。