┣━mksz103 – 机器学习入门 Scikit-learn实现经典小案例
┣━第6章 聚类和相似度模型—理论
┣━6-6 检索相似的文档.mp4
┣━6-8 聚类介绍.mp4
┣━6-7 文档聚类.mp4
┣━6-5 TF-IDFf文档表示.mp4
┣━6-10 其他例子.mp4
┣━6-4 应用TF-IDF对于重要单词进行优先级排序.mp4
┣━6-9 k-均值.mp4
┣━6-11 聚类和相似度总结.mp4
┣━6-3 用于测量相似度的单词计数表示.mp4
┣━6-1 聚类和相似度-文档检索.mp4
┣━6-2 检索感兴趣的文档.mp4
┣━第12章 结尾章
┣━12-3 机器学习的挑战.mp4
┣━12-2 部署之后发生了什么？.mp4
┣━12-4 课程总结。.mp4
┣━12-1 部署机器学习应用.mp4
┣━第11章 神经网络—案例部分
┣━11-2 利用神经网络进行手写识别.mp4
┣━11-1 神经网络拟合XOR函数.mp4
┣━第8章 推荐系统—理论
┣━8-9 利用矩阵形式预测.mp4
┣━8-5 流行物品的影响.mp4
┣━8-13 最优推荐.mp4
┣━8-12 推荐系统的性能度量.mp4
┣━8-4 协同过滤.mp4
┣━8-3 推荐的分类模型.mp4
┣━8-10 通过矩阵分解发现隐藏结构.mp4
┣━8-1 推荐商品.mp4
┣━8-7 矩阵补全问题.mp4
┣━8-6 正规化同现矩阵.mp4
┣━8-2 我们在哪能见到推荐系统.mp4
┣━8-14 准确率-召回率曲线.mp4
┣━8-8 通过用户和物品的特征进行推荐.mp4
┣━8-11 特征+矩阵分解.mp4
┣━8-15 推荐系统总结.mp4
┣━第3章 回归模型—房价预测进阶案例
┣━3-2 探索房屋数据集.mp4
┣━3-1 进阶案例介绍.mp4
┣━3-3 可视化数据集的特征.mp4
┣━3-7 评估线性回归模型.mp4
┣━3-6 使用sklearn来构建线性回归模型.mp4
┣━3-4 实现回归模型.mp4
┣━3-9 多项式拟合.mp4
┣━3-8 MSE和R2评分.mp4
┣━3-5 应用线性回归模型.mp4
┣━课程资料
┣━project.zip
┣━课程资料包.zip
┣━使用教程（必看）.png
┣━第9章 推荐系统—构建推荐系统案例
┣━9-5 基于SVD的推荐.mp4
┣━9-3 基于用户和商品的推荐.mp4
┣━9-4 推荐结果评估.mp4
┣━9-2 将样本分成训练集和验证集.mp4
┣━9-1 读取和探索推荐数据.mp4
┣━第10章 深度学习—理论
┣━10-3 深度学习在计算机视觉中的应用。.mp4
┣━10-6 深度学习的挑战.mp4
┣━10-1 深度学习：图像搜索.mp4
┣━10-7 迁移学习.mp4
┣━10-1 深度学习：图像搜索(1).mp4
┣━10-2 神经网络.mp4
┣━10-8 深度学习总结.mp4
┣━10-5 计算机视觉中的深度学习.mp4
┣━10-4 深度学习的性能.mp4
┣━第5章 分类模型—情感分析进阶案例
┣━5-2 情感分析进阶案例-TFIDF表示.mp4
┣━5-1 情感分析进阶案例-读取数据.mp4
┣━5-6 情感分析进阶案例 – 构建分类器.mp4.mp4
┣━5-5 情感分析进阶案例 – 去除停用词.mp4
┣━5-4 情感分析进阶案例 – 分词.mp4
┣━5-3 情感分析进阶案例 – 文本预处理.mp4
┣━第2章 回归模型—理论
┣━2-1 课前须知。.mp4
┣━2-11 本节总结-必看.mp4
┣━2-2 线性回归概述.mp4
┣━2-5 加入更高阶的因素.mp4
┣━2-7 训练测试曲线.mp4
┣━2-10 回归总结.mp4
┣━2-9 其他回归示例.mp4
┣━2-8 加入新的特征.mp4
┣━2-4 线性回归.mp4
┣━2-6 通过训练-测试分离来评估过拟合.mp4
┣━2-3 预测房价.mp4
┣━第7章 聚类和相似度模型—维基百科人物相似度案例
┣━7-1 使用pandas来读取维基百科人物数据集.mp4
┣━7-3 使用skearn来进行tfidf表示和相似度计算.mp4
┣━7-2 使用sklearn来进行词袋模型表示.mp4
┣━第4章 分类模型—理论
┣━4-4 线性分类器.mp4
┣━4-10 类别概率.mp4
┣━4-1 分类-分析情感.mp4
┣━4-3 分类器应用.mp4
┣━4-7 什么是好的精度.mp4
┣━4-8 混淆矩阵.mp4
┣━4-9 学习曲线.mp4
┣━4-2 从主题预测情感.mp4
┣━4-5 决策边界.mp4
┣━4-11 分类总结.mp4
┣━4-6 训练和评估分类器.mp4
┣━第1章 机器学习概述
┣━1-7 Python中的函数.mp4
┣━1-1 机器学习-导学.mp4
┣━1-8 GraphLab Canvas.mp4
┣━1-4 IPython Notebook介绍.mp4
┣━1-10 SFrame中的apply函数.mp4
┣━1-5 python 基本语法.mp4
┣━1-2 概述.mp4
┣━1-3 本门课的内容.mp4
┣━1-6 条件和循环语句.mp4
┣━1-9 SFrame中的列操作.mp4