零基础实战机器学习（Python语言、算法、Numpy库、MatplotLib） 视频课程资源下载

      本教程系统的介绍了机器学习的目的和方法。并且针对每一种常用的方法进行了详细的解析，用实例来说明具体的实现，学生可以跟着一步步完成。在面对现实的问题的时候，可以找到非常可靠的参照。本课程在最开始讲解了Python语言的基础知识，以保证后面的课程中可以顺利进行。更多的Python语言的知识，需要学员自己去找更多的资料进行学习。

本课程主要讲述了两大类机器学习的方法：有监督学习和无监督学习，其中有监督学习里面，又分为分类和预测数值型数据。这些算法都是基础的算法。这样可以降低学习的难度，容易理解机器学习思路和实现的过程。

课程目录：

    第一章 机器学的任务和方法1-2.mp4

    第二章 Python语言基础1-6.mp4

    第二章 Python语言基础7-13.mp4

    第三章 分类算法介绍1.mp4

    第四章 k-临近算法1-7.mp4

    第五章 决策树1-5.mp4

    第六章 基于概率论的分类方法：朴素贝叶斯1-6.mp4

    第七章 Logistic回归1-6.mp4

    第八章 支持向量机1-8.mp4

    第九章 利用AdaBoost元算法提高分类性能1-5.mp4

    第十章 利用回归预测数值型数据1-5.mp4

    第十二章 无监督学习1.mp4

    第十三章 利用K-均值聚类算法对未标注数据分组1-2.mp4

    第十四章 使用Apriori算法进行关联分析1-3.mp4

    第十五章 使用FP-growth算法来高效发现频分项集1-3.mp4

    第十六章 利用PCA来简化数据1-2.mp4

    第十七章 利用SVD简化数据1-3.mp4

    第十八章 大数据与MapReduce1.mp4

    第十九章 学习总结.mp4

    第十一章 树回归1-3.mp4

    补充.mp4

    资料包