机器学习第八天价值 | B30BE592B2FEA0637C2EB5884BF1F51C2C3F4061

机器学习第八天价值

Name	机器学习第八天价值	DOWNLOAD Copy Link
Total Size	2.9 GB
Total Files	44
Hash	B30BE592B2FEA0637C2EB5884BF1F51C2C3F4061

/资料/
一个必备的机器学习数据挖掘入门资料.txt	0.0 KB
python2和3差别对比.txt	0.5 KB
Hash表算法处理海量数据处理面试题.docx	27.7 KB
面试算法集合-修改版.pdf	1.7 MB
模型推导.pdf	1.8 MB
/代码/Day08/
dtc_model.m_01.npy	0.1 KB
dtc_model.m_04.npy	0.1 KB
DictVect.py	0.6 KB
dtc_model.m	0.8 KB
KNNIris.py	1.1 KB
KNNIris_K.py	1.1 KB
testSaveModel.py	1.9 KB
Tantanic.py	4.5 KB
dtc_model.m_02.npy	5.1 KB
dtc_model.m_03.npy	17.8 KB
rfc_model.m	18.9 KB
tantanic.txt	116.9 KB
/27晚上/
晚1.Boost算法简介.itheima	20.3 MB
晚4：理解多分类问题.itheima	62.1 MB
晚9：KNN总结.itheima	62.7 MB
晚5：代码实战.itheima	82.7 MB
晚6：KNN入门.itheima	89.9 MB
晚2：AdaBoost算法详解.itheima	113.9 MB
晚7：KNN算法详解（三要素）.itheima	140.5 MB
晚8：KNN代码实战.itheima	155.7 MB
晚3.Adaboost算法的例子学习.itheima	234.9 MB
/27下午/
5.使用决策树和随机森林预测.itheima	42.9 MB
3.泰坦尼克号问题缺失值填充.itheima	74.1 MB
7.集成学习算法简介.itheima	84.9 MB
1.随机森林API.itheima	89.8 MB
6.保存模型并进行测试.itheima	101.2 MB
4.泰坦尼克号对类别型数据的处理.itheima	120.1 MB
2.泰坦尼克号问题的数据探索.itheima	135.2 MB
9.Bagging算法知识点总结.itheima	172.1 MB
8.Bagging算法图解.itheima	197.8 MB
/27上午/
7.总结.itheima	43.9 MB
5.误差率剪枝.itheima	63.5 MB
3.回归树算法理解.itheima	71.1 MB
8.集成学习方法总结.itheima	73.4 MB
9.随机森林算法思想.itheima	91.2 MB
4.分类树的建树过程.itheima	118.5 MB
2.理解回归树.itheima	129.3 MB
5.分类决策树的案例(Gini系数求解).itheima	163.1 MB
1.昨日回顾.itheima	186.2 MB
Total files 44