机器学习之线性回归理论与代码实践

课程目标:深入理解线性回归的数学推导过程, 能够使用原生代码实现线性回归模型

24小时内答疑 课时永久观看 15分钟内无条件退款
1. 仅限付费视频课程适用
2. 购买后15分钟内可以找到客服进行沟通退款
3. 退款将返还至51CTO学院账户,不支持提现
4. 下载资料后不再享有退款特权
5. 客服(Tel:400-101-1651)
6. 最终解释权归51CTO所有
共21课时,共2小时4分钟
现价¥27
购买
  1. 课程介绍
  2. 课程大纲
课程目标

深入理解线性回归的数学推导过程, 能够使用原生代码实现线性回归模型

适用人群

对机器学习及其实际应用感兴趣的同学,想深入理解线性回归的同学

课程简介

深入理解线性回归的数学推导过程

能够使用原生代码实现线性回归模型(包括Ridge,LASSO,EasticNet)

能够使用skLearn实现线性回归模型

能够使用线性回归分析实际数据


1课程简介 [免费试看]
01:27
2机器学习知识体系
06:45
3机器学习流程
01:38
4线性回归介绍与符号表示
03:48
5假设函数、损失函数与代价函数
09:23
6梯度下降法
06:41
7梯度下降代码实现
08:45
8使用梯度下降法求解线性回归代价函数最小值
05:27
9线性回归代码实现
12:58
10数据归一化,画直线图,画损失函数图
14:45
11批量梯度下降,随机梯度下降,小批量梯度下降
04:15
12欠拟合与过拟合
02:14
13Ridge回归,LASSO回归,弹性网介绍
03:34
14Ridge回归求解与代码实现
03:13
15LASSO求解
11:42
16LASSO代码实现
05:42
17弹性网求解
01:14
18使用Sklearn实现Ridge,Lasso,Elast
03:30
19案例:波士顿房价预测代码实现
06:54
20案例:训练集,验证集,测试集,K折交叉验证
05:39
讲师介绍
纪佳琪
讲师评分4.8分
干过开发,做过培训,现在是一名高校教师。
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载