课程介绍
讲解机器学习基础、机器学习实践场景。
讲解线性回归算法与应用、逻辑回归概述、实战案例分析与应用。
讲解支持向量机算法实现;决策树概述及应用。
讲解神经网络算法与应用;朴素贝叶斯算法与应用。
讲解聚类概述、kmeans 算法、DBSCAN 算法、层次聚类、PCA、LDA。
讲解关联规则、自编码器、案例应用。
讲解生成对抗网络概述、生成对抗网络应用、案例实现。
讲解 Q-learning 算法、SARSA 算法、案例实现。
讲解策略梯度、深度 Q 学习、策略梯度案例 。
讲解评论家算法、强化学习综述、Flappy bird 案例复现。
课程目录
01. 机器学习概论
02. 监督学习算法 -1
03. 监督学习算法 -2
04. 监督学习算法 -3
05. 无监督学习算法 -1
06. 无监督学习算法 -2
07. 无监督学习算法 -3
08. 强化学习算法 -Q-learning、SARSA
09. 强化学习算法 2
10. 强化学习算法 -3
查看更多
看过的人还看了