Coding10

当前视频免费，登录后即可观看

正在播放：多功能

标题	时间
欢迎来到机器学习的广阔天地	06:54
什么是机器学习	07:14
监督学习	12:29
无监督学习	14:13
模型描述	08:10
代价函数入门引导	08:12
代价函数 ( 1 )	11:09
代价函数 ( 2 )	08:48
梯度下降引导入门篇	11:30
梯度下降知识点总结归纳	11:51
线性回归的梯度下降	10:20
矩阵和向量	08:45
加法和标量乘法	06:54
矩阵的向量乘法引导入门	13:39
矩阵乘法解析	11:09
矩阵乘法的特征	09:02
逆和转置	11:13
多功能	08:22
多元梯度下降法	05:04
多元梯度下降法演练 - 特征缩放	08:52
多元梯度下降法演练 - 学习率	08:58
特征和多项式回归	07:39
正规方程（区别于迭代方法的直接解法）	16:18
正规方程在矩阵不可逆情况下的解决方法	05:59
吴恩达的编程小技巧	15:45
Octave - 基本操作	13:59
Octave - 移动数据	16:07
Octave - 数据计算	13:15
Octave - 数据绘制	09:38
Octave - 条件判断语句，循环语句	12:56
Octave - 矢量基础	13:48
假设陈述	07:24
决策边界	14:49
代价函数拟合	10:23
简化代价函数与梯度下降	10:15
回归算法的高级优化策略	14:06
多元分类 - 一对多	06:15
过拟合问题	09:42
正则化 - 代价函数	10:10
线性回归的正则化	10:40
Logistic 回归的正则化	08:34
非线性假设	09:36
神经元与大脑	07:47
神经网络 - 模型展示 1	12:01
神经网络 - 模型展示 2	11:46
神经网络 - 直觉理解与示例演示 1	07:15
神经网络 - 直觉理解与示例演示 2	10:20
神经网络 - 多元分析	03:51
神经网络 - 代价函数	06:43
神经网络 - 反向传播算法	11:59
神经网络 - 理解反向传播算法	12:44
神经网络 - 参数展开的注意事项	07:47
神经网络 - 梯度检测	11:37
神经网络 - 随机初始化	06:51
神经网络 - 组合模式更强大	13:23
神经网络 - 自动驾驶示例	06:30
关于机器学习的下一步建议	05:50
未来学习建议 - 假设评估	07:35
模型的选择、训练、验证、测试集	12:03
机器学习应用建议 - 诊断偏差与方差	07:42
机器学习应用建议 - 正则化的偏差与方差	11:20
机器学习应用建议 - 学习曲线	11:53
机器学习应用建议 - 看一看接下来从哪方面进行着手	06:50
机器学习系统化设计 - 确定执行的优先级	09:29
机器学习系统化设计 - 误差分析	13:12
机器学习的系统化设计 - 不对称性分类的误差分析	11:35
机器学习的系统化设计 - 精确度和召回率的权衡	14:05
机器学习系统化设计 - 机器学习数据篇	11:09
支持向量机 - 目标优化	14:47
支持向量机 - 直观上对大间隔的理解	10:36
支持向量机 - 大间隔分类器的数学原理	19:41
支持向量机 - 内核 1	15:44
支持向量机 - 内核 2	15:43
支持向量机 - 应用篇	21:02
无监督学习 - 聚类算法	03:17
聚类算法 - K-Means 算法	12:32
聚类算法 - 优化目标	07:04
聚类算法 - 随机初始化	07:49
聚类算法 - 选取聚类数量级别	08:22
维度降低 - 数据压缩	10:10
维度降低 - 数据可视化	10:09
主成分分析问题规划 1	09:05
主成分分析问题规划 2	15:15
主成分分析数量选择	10:30
维度降低 - 压缩重现	03:54
维度降低 - 应用 PCA 的相关建议	12:48
异常检测算法 - 问题的由来	07:38
异常检测算法 - 高斯分布	10:27
异常检测算法 - 实用高斯分布完成异常检测的示例	12:02
开发和评估异常检测系统	13:07
异常检测 VS 无监督学习	07:36
异常检测 - 选定要使用的特性	12:17
异常检测 - 多变量高斯分布	13:46
使用多变量高斯分布实现异常检测	14:03
推荐系统 - 问题规划篇	07:54
基于内容的推荐算法	14:31
推荐系统 - 协同过滤	10:14
内容推荐 - 协同过滤算法	08:27
推荐系统 - 矢量化：低轶矩阵分解	08:28
推荐系统 - 实施细节：均值规范化	08:31

标题

微信扫码登录

微信扫码登录