数据挖掘思维与实战24讲笔记

[4307] 20 Apriori 与 FP-Growth:不得不再说一遍啤酒与尿布的故事.mp4117.7M[4306] 19 实践 3:使用线性回归预测房价.mp478.2M[4305] 18 线性回归与逻辑回归找到一个函数去拟合数据.mp476M[4304] 17 实践 2:如何使用 word2vec 和 k-mean 聚类寻找相似的城市.mp4147.6M[4303] 16 DBScan

[4307] 20 Apriori 与 FP-Growth:不得不再说一遍啤酒与尿布的故事.mp4

117.7M

[4306] 19 实践 3:使用线性回归预测房价.mp4

78.2M

[4305] 18 线性回归与逻辑回归找到一个函数去拟合数据.mp4

76M

[4304] 17 实践 2:如何使用 word2vec 和 k-mean 聚类寻找相似的城市.mp4

147.6M

[4303] 16 DBScan 聚类:打破形状的限制,使用密度聚类.mp4

122.6M

[4302] 15 k-mean 聚类:擒贼先擒王,找到中心点,它附近的都是一类.mp4

94.4M

[4301] 14 实践 1:使用 XGB 实现酒店信息消歧.mp4

113.9M

[4300] 13 人工神经网络:当前最火热的深度学习基础.mp4

91.5M

[4299] 12 支持向量机(SVM):用一条线分开红豆与绿豆.mp4

95.6M

[4298] 11 朴素贝叶斯:算一算你是否要买延误险.mp4

102.3M

[4297] 10 决策树:女神使用的约会决策.mp4

109.6M

[4296] 09 KNN 算法:近朱者赤,近墨者黑.mp4

76.4M

[4295] 08 模型应用:我们的模型是否可以解决业务需求?.mp4

127.2M

[4294] 07 模型评估:如何确认我们的模型已经达标?.mp4

148.5M

[4293] 06 数据建模:该如何选择一个适合我需求的算法?.mp4

172.3M

[4292] 05 准备数据:如何处理出完整、干净的数据?.mp4

151.6M

[4291] 04 理解业务和数据:我们需要做好什么计划?.mp4

142.8M

[4290] 03 工欲善其事必先利其器,扩展包与 Python 环境.mp4

202.7M

[4289] 02 Python 的数据结构和基本语法.mp4

156.3M

[4288] 01 数据挖掘,到底在解决什么问题?.mp4

保存下载145.3M







首页
社科类
工科类
亲子类
心理情感类
目录
参与学习