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.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