课程目录
1-1 [机器学习基础] 1 绪论 (01:02:15) 1-2 [机器学习基础] 2 数学基础 (01:05:48) 1-3 [机器学习基础] 3 机器学习基础 (16:07) 2-1 [线性回归模型] 1 科学计算库Numpy (51:14) 2-2 [线性回归模型] 2 线性回归之一元线性回归 (56:55) 2-3 [线性回归模型] 3 多元线性回归模型详细推导 (33:03) 2-4 [线性回归模型] 4 代码实战：用解析解实现多元线性回归模型 (30:31) 2-5 [线性回归模型] 5 代码实战：用Sklearn实现多元线性回归模型及模型的保 (35:03) 2-6 [线性回归模型] 6 梯度下降算法 (35:51) 2-7 [线性回归模型] 7 代码实战：批量梯度下降算法 (30:50) 2-8 [线性回归模型] 8 模型的评价 (08:00) 2-9 [线性回归模型] 9 代码实战：随机梯度下降算法 (18:17) 2-10 [线性回归模型] 10 代码实战： 小批量梯度下降算法 (14:48) 2-11 [线性回归模型] 11 多项式回归及代码实现 (21:49) 2-12 [线性回归模型] 12 过拟合与欠拟合、正则化、岭回归、Lasso回归 (20:07) 3-1 [梯度下降算法] 1、从一个线性回归模型案例谈起 (13:29) 3-2 [梯度下降算法] 2、损失函数与梯度概念 (10:29) 3-3 [梯度下降算法] 3、梯度下降算法原理 (12:48) 3-4 [梯度下降算法] 4、学习率a的作用与取值 (07:53) 3-5 [梯度下降算法] 5、θ参数更新详细计算 (09:53) 3-6 [梯度下降算法] 6、梯度下降算法一般化公式 (11:30) 3-7 [梯度下降算法] 7、特征归一化 (06:18) 3-8 [梯度下降算法] 8、改进的梯度下降算法大家族 (03:36) 3-9 [梯度下降算法] 9、代码实战之数据集初始化 (15:50) 3-10 [梯度下降算法] 10、代码实战之损失函数 (15:12) 3-11 [梯度下降算法] 11、代码实战之θ参数更新 (23:56)
