视频选集 1.人形机器人无法逾越的鸿沟是什么？ 人工智能学习路线，超详细规划！！！ 课程简介 回归问题概述 误差项定义 独立同分布的意义 似然函数的作用 参数求解 梯度下降通俗解释 参数更新方法 优化参数设置 线性回归整体模块概述 初始化步骤 实现梯度下降优化模块 损失与预测模块 数据与标签定义 训练线性回归模型 得到线性回归方程 整体流程debug解读 多特征回归模型 非线性回归 Sklearn工具包简介 数据集切分 交叉验证的作用 交叉验证实验分析 混淆矩阵 评估指标对比分析 阈值对结果的影响 ROC曲线 实验目标分析 参数直接求解方法 预处理对结果的影响 梯度下降模块 学习率对结果的影响 随机梯度下降得到的效果 MiniBatch方法 不同策略效果对比 多项式回归 模型复杂度 样本数量对结果的影响 正则化的作用 岭回归与lasso 实验总结 逻辑回归算法原理 化简与求解 多分类逻辑回归整体思路 训练模块功能 完成预测模块 优化目标定义 迭代优化参数 梯度计算 得出最终结果 鸢尾花数据集多分类任务 训练多分类模型 准备测试数据 决策边界绘制 非线性决策边界 逻辑回归实验概述 概率结果随特征数值的变化 可视化展示 坐标棋盘制作 分类决策边界展示分析 多分类-softmax KMEANS算法概述 KMEANS工作流程 KMEANS迭代可视化展示 DBSCAN聚类算法 DBSCAN工作流程 DBSCAN可视化展示 Kmeans算法模块概述 计算得到簇中心点 样本点归属划分 算法迭代更新 鸢尾花数据集聚类任务 聚类效果展示 Kmenas算法常用操作 聚类结果展示 建模流程解读 稳定结果 评估指标-Inertia 如何找到合适的K值 轮廓系数的作用 Kmenas算法存在的问题 应用实例-图像分割 半监督学习 决策树算法概述 熵的作用 信息增益原理 决策树构造实例 信息增益率与gini系数 预剪枝方法 后剪枝方法 回归问题解决 整体模块概述 递归生成树节点
