耿直哥机器学习必修课:经典算法与Python实战-宝藏资源殿

这是一门与众不同的机器学习课程！它用匪夷所思的视角，灰谐幽默的语言，贴近生活的类比，直观有趣的动画，细致易懂的代码，典型干货的案例，把机器学习最经典的十大算法给你讲的通通透透。

耿直哥机器学习必修课:经典算法与Python实战课程目录：

1-1_第一章欢迎来到机器学习的世界
1-1_1-1课程内容和理念.mp4
1-1_1-1课程内容和理念_详情页.html
1-2_1-2初识机器学习.mp4
1-2_1-2初识机器学习_详情页.html
1-3_1-3课程使用的技术栈.mp4
1-3_1-3课程使用的技术栈_详情页.html
1-2_第二章机器学习概述
1-1_2-1本章总览.mp4
1-2_2-2数据长什么样：常见数据集、典型实例、如何使用.mp4
1-3_2-3研究哪些问题：分类、回归等.mp4
1-4_2-4如何分门别类：监督、无监督、强化学习等.mp4
1-5_2-5机器学习的七大常见误区和局限.mp4
1-3_第三章快速掌握四大必备工具
1-10_3-10Numpy数组矩阵运算：一元运算、二元运算与矩阵运算.mp4
1-11_3-11Numpy数组统计运算：常用的都在这儿了.mp4
1-12_3-12Numpy数组arg运算和排序.mp4
1-13_3-13Numpy数组神奇索引和布尔索引.mp4
1-14_3-14Matplotlib数据可视化：基础绘制与设置.mp4
1-1_3-1本章总览：相互关系与学习路线.mp4
1-2_3-2Anaconda图形化操作.mp4
1-3_3-3Anaconda命令行操作.mp4
1-4_3-4JupyterNotebook基础使用.mp4
1-5_3-5JupyterNotebook高级使用：常用魔法命令.mp4
1-6_3-6Numpy基础：安装与性能对比.mp4
1-7_3-7Numpy数组创建：特定数组、等差数组、随机数组.mp4
1-8_3-8Numpy数组基础索引：索引和切片.mp4
1-9_3-9Numpy非常重要的数组合并与拆分操作.mp4
1-4_第四章“近朱者赤，近墨者黑”的KNN算法
1-1_4-1本章总览.mp4
1-2_4-2KNN算法核心思想和原理.mp4
1-3_4-3KNN分类任务代码实现.mp4
1-4_4-4数据集划分：训练集与预测集.mp4
1-5_4-5模型评价.mp4
1-6_4-6超参数.mp4
1-7_4-7特征归一化.mp4
1-8_4-8KNN回归任务代码实现.mp4
1-9_4-9KNN优缺点和适用条件.mp4
1-5_第五章“大禹治水，庖丁解牛”的线性算法
1-10_5-10复杂逻辑回归及代码实现.mp4
1-11_5-11线性算法优缺点和适用条件.mp4
1-1_5-1本章总览.mp4
1-2_5-2线性回归核心思想和原理.mp4
1-3_5-3逻辑回归核心思想和原理.mp4
1-4_5-4线性回归代码实现.mp4
1-5_5-5模型评价：MSE、RMSE、MAE和R方.mp4
1-6_5-6多项式回归代码实现.mp4
1-7_5-7逻辑回归算法.mp4
1-8_5-8线性逻辑回归代码实现.mp4
1-9_5-9多分类策略.mp4
1-6_第六章“解一卷而众篇明”之核心概念精讲
1-10_6-10LASSO和岭回归代码实现.mp4
1-11_6-11模型泛化.mp4
1-12_6-12评价指标：混淆矩阵、精准率和召回率.mp4
1-13_6-13评价指标：ROC曲线.mp4
1-1_6-1本章总览.mp4
1-2_6-2损失函数.mp4
1-3_6-3梯度下降.mp4
1-4_6-4决策边界.mp4
1-5_6-5过拟合与欠拟合.mp4
1-6_6-6学习曲线.mp4
1-7_6-7交叉验证.mp4
1-8_6-8模型误差.mp4
1-9_6-9正则化.mp4
1-7_第七章“分而治之，逐个击破”的决策树
1-1_7-1本章总览.mp4
1-2_7-2决策树核心思想和原理.mp4
1-3_7-3信息熵.mp4
1-3_7-3信息熵_详情页.html
1-4_7-4决策树分类任务代码实现.mp4
1-5_7-5基尼系数.mp4
1-6_7-6决策树剪枝.mp4
1-7_7-7决策树回归任务代码实现.mp4
1-8_7-8决策树优缺点和适用条件.mp4
1-8_第八章“失败是成功之母”的神经网络
1-1_8-1本章总览.mp4
1-2_8-2神经网络核心思想和原理.mp4
1-3_8-3激活函数.mp4
1-4_8-4正向传播与反向传播.mp4
1-5_8-5梯度下降优化算法.mp4
1-6_8-6神经网络简单代码实现.mp4
1-7_8-7梯度消失和梯度爆炸.mp4
1-8_8-8模型选择.mp4
1-9_8-9神经网络优缺点和适用条件.mp4
1-9_第九章“欲穷千里目，更上一层楼”的支持向量机
1-10_9-10SVM优缺点和适用条件.mp4
1-1_9-1本章总览.mp4
1-2_9-2SVM核心思想和原理.mp4
1-3_9-3硬间隔SVM.mp4
1-4_9-4SVM软间隔.mp4
1-5_9-5线性SVM分类任务代码实现.mp4
1-6_9-6非线性SVM：核技巧.mp4
1-7_9-7SVM核函数.mp4
1-8_9-8非线性SVM代码实现.mp4
1-9_9-9SVM回归任务代码实现.mp4

1-10_第十章“是非考于前，成败验于后”的贝叶斯方法
1-1_10-1本章总览.mp4
1-2_10-2贝叶斯方法核心思想和原理.mp4
1-3_10-3朴素贝叶斯分类.mp4
1-4_10-4朴素贝叶斯的代码实现.mp4
1-5_10-5多项式朴素贝叶斯代码实现.mp4
1-6_10-6贝叶斯方法优缺点和适用条件.mp4
1-11_第十一章“团结就是力量”的集成学习
1-1_11-1本章总览.mp4
1-2_11-2集成学习核心思想和原理.mp4
1-3_11-3集成学习代码实现.mp4
1-4_11-4并行策略：Bagging、OOB等方法.mp4
1-5_11-5并行策略：随机森林.mp4
1-6_11-6串行策略：Boosting.mp4
1-7_11-7结合策略：Stacking方法.mp4
1-8_11-8集成学习优缺点和适用条件.mp4
1-12_第十二章“物以类聚，人以群分”的聚类算法
1-1_12-1本章总览.mp4
1-2_12-2聚类算法核心思想和原理.mp4
1-3_12-3k-means和分层聚类.mp4
1-4_12-4聚类算法代码实现.mp4
1-5_12-5聚类评估代码实现.mp4
1-6_12-6聚类算法优缺点和适用条件.mp4
1-13_第十三章“射人先射马，擒贼先擒王”的主成分分析
1-1_13-1本章总览.mp4
1-2_13-2PCA核心思想和原理.mp4
1-3_13-3PCA求解算法.mp4
1-4_13-4PCA算法代码实现.mp4
1-5_13-5降维任务代码实现.mp4
1-6_13-6PCA在数据降噪中的应用.mp4
1-7_13-7PCA在人脸识别中的应用.mp4
1-8_13-8主成分分析优缺点和适用条件.mp4
1-14_第十四章“见微知著，睹始知终”的概率图模型
1-1_14-1本章总览.mp4
1-2_14-2概率图模型核心思想和原理.mp4
1-3_14-3EM算法参数估计.mp4
1-4_14-4隐马尔可夫模型代码实现.mp4
1-5_14-5概率图模型优缺点和适用条件.mp4
1-15_第十五章项目实战
1-1_15-1本章总览.mp4
1-2_15-2泰坦尼克生还预测.mp4
1-3_15-3房价预测.mp4
1-4_15-4交易反欺诈代码实现.mp4
1-5_15-5如何深入研究机器学习.mp4