本课程系统介绍机器学习核心理论与方法。内容涵盖从基本概念、模型评估到经典算法，包括线性模型、决策树、神经网络、支持向量机、贝叶斯分类、集成学习、聚类分析以及降维技术。课程旨在帮助学习者构建扎实的知识体系，掌握从数据中提取模式并做出预测或决策的关键技能。

视频课程目录：
1. 引言
2. 模型评估与选择
3. 线性模型
4. 决策树
5. 神经网络
6. 支持向量机
7. 贝叶斯决策论
8. 个体与集成
9. 聚类
10. 降维与度量学习




├─{01}--引言
│ [1.1]--绪论-1.mp4
│ [1.2]--绪论-2.mp4
│ [1.3]--绪论-3.mp4
│ [1.4.1]--绪论-.mp4
│ [1.4.2]--绪论-5.mp4
│
├─{02}--模型评估与选择
│ [2.1]--刘慧2-12-2.mp4
│ [2.2]--刘慧2-3.mp4
│ [2.3]--刘慧2-42-5.mp4
│ [2.4]--改刘慧2-42-5.mp4
│
├─{03}--线性模型
│ [3.1]--耿蕾蕾3-1.mp4
│ [3.2]--耿蕾蕾3-2.mp4
│ [3.3]--耿蕾蕾3-33-.mp4
│ [3.4]--耿蕾蕾3-33-.mp4
│
├─{04}--决策树
│ [4.1]--耿蕾蕾4-1.mp4
│ [4.2]--耿蕾蕾4-2-1.mp4
│ [4.3.1]--耿蕾蕾4-2-2后剪枝.mp4
│ [4.3.2]--耿蕾蕾4-2-2预剪枝.mp4
│ [4.4]--耿蕾蕾4-34-.mp4
│ [4.5]--耿蕾蕾4-34-.mp4
│
├─{05}--神经网络
│ [5.1]--岳厚光5-1.mp4
│ [5.2]--改岳厚光5-2.mp4
│ [5.3]--改岳厚光5-3.mp4
│ [5.4]--岳厚光5-45-5.mp4
│ [5.5]--岳厚光5-6.mp4
│
├─{06}--支持向量机
│ [6.1]--岳厚光6.16.2.mp4
│ [6.2]--岳厚光6.16.2.mp4
│ [6.3]--岳厚光6.3.mp4
│ [6.4]--改岳厚光6.46.56.6_1.mp4
│
├─{07}--贝叶斯决策论
│ [7.1]--冯仕红7.1.mp4
│ [7.2]--冯仕红7.2.mp4
│ [7.3]--冯仕红7.3(2).mp4
│ [7.4]--冯仕红7.4(1).mp4
│ [7.5]--冯仕红7.5.mp4
│
├─{08}--个体与集成
│ [8.1]--冯仕红8.1.mp4
│ [8.2]--冯仕红8.2.mp4
│ [8.3]--冯仕红8.3.mp4
│ [8.4]--冯仕红8.mp4
│ [8.5]--冯仕红8.5.mp4
│
├─{09}--聚类
│ [9.1]--张春云9-19-29-3.mp4
│ [9.2]--张春云9-4k均值算法.mp4
│ [9.3]--张春云9-4高斯混合聚类.mp4
│ [9.4]--张春云9-5.mp4
│
└─{10}--降维与度量学习
[10.1]--张春云10.1.mp4
[10.2]--张春云10.2.mp4
[10.3.1]--张春云10.3.1.mp4
[10.3.2]--张春云10.3.2.mp4
[10.4]--张春云10.410.5.mp4