├──1.1什么是机器学习、机器学习应用.MP4		99.1M
├──1.2Python基础知识（一）.MP4		80.9M
├──1.3Python基础知识（二）.MP4		102.5M
├──1.4Python基础知识（三）.MP4		70.7M
├──1.5Python基础知识（四）.MP4		92.9M
├──1.6Python基础知识（五）.MP4		125.5M
├──1.7Python基础知识（六）.MP4		85.6M
├──1.8Python基础知识（七）.MP4		96.4M
├──1.9答疑.MP4		47.5M
├──2.10多元线性回归的效果.MP4		71.7M
├──2.11问题回顾.MP4		113.3M
├──2.12其他注意事项（一）.MP4		107.7M
├──2.13其他注意事项（三）.MP4		99.1M
├──2.14超越线性（一）.MP4		102.3M
├──2.15超越线性（二）.MP4		73.7M
├──2.16超越线性（三）.MP4		71.2M
├──2.17超越线性（四）.MP4		114.3M
├──2.1一元线性回归（一）.MP4		120.1M
├──2.2一元线性回归（二）.MP4		74.2M
├──2.3一元线性回归（三）.MP4		103M
├──2.4一元线性回归（四）.MP4		92.8M
├──2.5一元线性回归（五）.MP4		81.5M
├──2.6多元线性回归（一）.MP4		120.2M
├──2.7多元线性回归（二）.MP4		85.8M
├──2.8有没有数据特征对于预测结果有用.MP4		121.1M
├──3.1分类问题总论、交叉验证.MP4		73.4M
├──3.2Logistic回归.MP4		81.6M
├──3.3Logistic回归、评价分类结果.MP4		108M
├──3.4最后的项目预览.MP4		34.8M
├──3.5答疑.MP4		63.3M
├──3.6分类问题总论.MP4		101M
├──3.7ROC曲线.MP4		86.6M
├──3.8如果两个类别的数据量差别很大.MP4		47.5M
├──4.1为什么我们喜欢简单的模型.MP4		87.3M
├──4.2Ridge正则化（一）.MP4		107.9M
├──4.3Ridge正则化（二）.MP4		100.4M
├──4.4Lasso正则路径、比较Ridge和Lasso.MP4		81.5M
├──4.5降维、各种方法比较.MP4		109.8M
├──5.1最大间隔分类器.MP4		68.5M
├──5.2支持向量机（一）.MP4		80.8M
├──5.3支持向量机（二）.MP4		123.1M
├──5.4支持向量机（三）.MP4		119M
├──6.1树（一）.MP4		98.3M
├──6.2树（二）.MP4		87.6M
├──6.3集合算法：Bagging（一）.MP4		119.3M
├──6.4集合算法：Bagging（二）.MP4		95.5M
├──6.5集合算法：随机森林、提升树.MP4		126.8M
├──6.6程序范例（一）.MP4		82.7M
├──6.7程序范例（二）.MP4		68M
└──课件.zip		19.5M