第03课 线性回归——预测网店的销售额

[零基础学机器学习]

• 3.2 数据的收集和预处理
  • 代码：3.2 数据的收集和预处理｜code_1.py
  • 代码：3.2 数据的收集和预处理｜code_2.py
  • 代码：3.2 数据的收集和预处理｜code_3.py
  • 代码：3.2 数据的收集和预处理｜code_4.py
  • 代码：3.2 数据的收集和预处理｜code_5.py
  • 代码：3.2 数据的收集和预处理｜code_6.py
  • 代码：3.2 数据的收集和预处理｜code_7.py
  • 代码：3.2 数据的收集和预处理｜code_8.py
  • 代码：3.2 数据的收集和预处理｜code_9.py
  • 代码：3.2 数据的收集和预处理｜code_10.py
  • 代码：3.2 数据的收集和预处理｜code_11.py
  • 代码：3.2 数据的收集和预处理｜code_12.py
  • 代码：3.2 数据的收集和预处理｜code_13.py
• 3.3 选择机器学习模型
  • 代码：3.3 选择机器学习模型｜code_1.py
  • 代码：3.3 选择机器学习模型｜code_2.py
• 3.4 通过梯度下降找到最佳参数
  • 代码：3.4 通过梯度下降找到最佳参数｜code_1.py
  • 代码：3.4 通过梯度下降找到最佳参数｜code_2.py
  • 代码：3.4 通过梯度下降找到最佳参数｜code_3.py
• 3.5 实现一元线性回归模型并调试超参数
  • 代码：3.5 实现一元线性回归模型并调试超参数｜code_1.py
  • 代码：3.5 实现一元线性回归模型并调试超参数｜code_2.py
  • 代码：3.5 实现一元线性回归模型并调试超参数｜code_3.py
  • 代码：3.5 实现一元线性回归模型并调试超参数｜code_4.py
  • 代码：3.5 实现一元线性回归模型并调试超参数｜code_5.py
  • 代码：3.5 实现一元线性回归模型并调试超参数｜code_6.py
  • 代码：3.5 实现一元线性回归模型并调试超参数｜code_7.py
  • 代码：3.5 实现一元线性回归模型并调试超参数｜code_8.py
  • 代码：3.5 实现一元线性回归模型并调试超参数｜code_9.py
  • 代码：3.5 实现一元线性回归模型并调试超参数｜code_10.py
• 3.6 实现多元线性回归模型
  • 代码：3.6 实现多元线性回归模型｜code_1.py
  • 代码：3.6 实现多元线性回归模型｜code_2.py
  • 代码：3.6 实现多元线性回归模型｜code_3.py
  • 代码：3.6 实现多元线性回归模型｜code_4.py
  • 代码：3.6 实现多元线性回归模型｜code_5.py
  • 代码：3.6 实现多元线性回归模型｜code_6.py
  • 代码：3.6 实现多元线性回归模型｜code_7.py
  • 代码：3.6 实现多元线性回归模型｜code_8.py
  • 代码：3.6 实现多元线性回归模型｜code_9.py
  • 代码：3.6 实现多元线性回归模型｜code_10.py
  • 代码：3.6 实现多元线性回归模型｜code_11.py
  • 代码：3.6 实现多元线性回归模型｜code_12.py