博学谷黑马-智能机器人软件开发无基础小白也能学会的人工智能课-完结夸克网盘资源_网盘资源_夸克网盘资源搜索_全盘搜

• file:01_引言和学习方法.mp4
• file:10_评估模型好坏的方法，训练集和测试集.mp4
• file:17_代码增加一个维度.mp4
• file:23_ 房价预测简单框架.mp4
• file:00_为什么要学习数学(1).mp4
• file:11_生成测试和训练数据集.mp4
• file:18_数据归一化.mp4
• file:16_二维空间距离的计算.mp4
• file:22_使用矩阵和向量实现knn.mp4
• file:12_调参选取最优的k.mp4
• file:20_向量和向量的运算.mp4
• file:06_knn算法python实现.mp4
• file:14_numpy加载特殊数据.mp4
• file:09_实验演示验证结论.mp4
• file:19_knn的feature的选择.mp4
• file:02_feature和label.mp4
• file:21_概念总结.mp4
• file:附：问题1.mp4
• file:08_抽取knn函数.mp4
• file:16_感知机数学原理_ev.mp4
• file:18_交叉熵cross-entropy_ev.mp4
• file:07_手写数字数据集_ev.mp4
• file:01_自然底数和sigmod函数.mp4
• file:02_矩阵运算计算逻辑回归_ev.mp4
• file:05_多分类的概率问题思考_ev.mp4
• file:06_多分类问题softmax公式_ev.mp4
• file:17_线性模型和非线性模型_ev.mp4
• file:12_Python代码实现梯度下降_ev.mp4
• file:09_Excel演示梯度下降&学习速率_ev.mp4
• file:10_偏导数分别求解m和b的导数_ev.mp4
• file:01_线性回归和Knn.mp4
• file:04_损失函数和最小均方差_ev.mp4
• file:05_excle来简单理解梯度下降_ev.mp4
• file:08_mse对b进行求导_ev.mp4
• file:02_线性回归解决什么问题_ev.mp4
• file:21_图形变换综合案例_ev.mp4
• file:12_对比程序执行的时间_ev.mp4
• file:16_bmp是如何描述图片的_ev.mp4
• file:15_矩阵可以理解为一个变化函数_ev.mp4
• file:24_逻辑回归的步骤.mp4
• file:23_sigmod函数引入_ev.mp4
• file:14_函数模型的评估和错误率的计算_ev.mp4
• file:10_numpy矩阵运算演示获取m和b的偏导_ev.mp4
• file:17_位图和svg图的区别_ev.mp4
• file:08_用numpy进行矩阵的乘法运算_ev.mp4
• folder:博学谷黑马-智能机器人软件开发无基础小白也能学会的人工智能课-完结
• folder:day1