课程描述
Linear Algebra and Feature Selection in Python是Udemy Academy出版的Python编程语言线性代数和特征选择培训课程。线性代数和特征选择是机器学习入门的两个非常重要和基础的主题。这两个主题构成了机器学习的理论和实践基础，非常重要。通过学习这两个主题，机器学习对您来说将变得更容易、更概念化，并且您将与这一重要科学的很大一部分的本质建立有意义的联系。线性代数是计算机科学和程序设计领域最重要的代数分支之一，在数据科学、机器学习、深度学习、数据分析与分析、工程与软件开发等领域都可以追溯这一重要知识，并且清楚地观察到统计数据。
机器学习中使用的所有算法都基于线性代数，通过学习代数，您可以轻松优化算法。
您将在 Python 中的线性代数和特征选择中学到什么
- 熟悉数学及其在设计和开发不同机器学习模型中的重要性
- 线性代数的基础和高级概念
- 以高级方式求解线性方程组
- 确定一组向量的线性独立性
- 特征值和特征向量的计算
- 进行线性判别分析（英文：Linear Discriminant Analysis，简称LDA）
- Python编程语言进行降维操作
- 执行主成分分析 (PCA)
- 比较使用支持向量机 (SVM) 进行分类的主成分分析和线性微分分析的性能。
- 和 …
课程规格
出版商：Udemy 讲师：365 职业 语言：英语水平：初学者 课程数量：30 持续时间：2 小时 46 分钟
2022/3 课程主题
Python 先决条件中的线性代数和特征选择
适合初学者。对 Python 基础知识和数学有所了解将是一个优势。
图片
Python介绍视频中的线性代数和特征选择
媒体错误：格式不受支持或来源未找到
安装指南
在 Extract 之后，用您最喜欢的播放器观看。
英文字幕
画质：720p
声明：本站所有文章，如无特殊说明或标注，均为本站发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
