(Ken Cen出品)從零開始學Machine Learning第一部 - 線型回歸，分類與聚類

Name: (Ken Cen出品)從零開始學Machine Learning第一部 - 線型回歸，分類與聚類
Rating: 4.7 (524 reviews)

Python教學，演算法，數學，實踐操作結合

Highest Rated

Created byKen Cen

Last updated 10/2025

Chinese (Traditional)

What you'll learn

了解Python關於數據科學方面的知識
了解Python中Numpy , Pandas, Matplotlib的使用方式
了解Linear Regression，Classification以及Clustering的原理以及實現方式
了解如何在多個特徵點上作出正確的選擇，並在Python上實現

Course content

19 sections • 278 lectures • 45h 8m total length

加入Udemy 全球最大的中文 AI 課程2:16
學員將學會如何開始學習 AI

編寫第一段python代碼4:44
編寫第一段python代碼
JupyterNoteBook介紹6:46
JupyterNoteBook介紹
Variable變量10:01
Variable變量
變量類型5:47
變量類型
接受用戶輸入數據6:54
類型轉換7:26
第二個Python程序_貓咪年齡換算器6:49
String字符串14:09
如何處理String字符串11:02
輸出格式6:58
輸出格式的另一種方式10:00
Print_format
Indexing和Slicing10:49
Indexing和Slicing
List列表14:34
List列表
List的count與index_method4:15
List中的List4:23
Zip function5:41
Tuple元組6:21
Tuple元組
List與Tuple的區別7:17
Dictionary字典10:00
Dictionary字典
get和setdefault method7:52
字典中的字典8:58
set集合3:22
set集合
Boolean運算符號9:18
Boolean運算符號
If語句9:58
If語句
邏輯運算符號10:16
比較運算符號8:15
第三個Python App-體重換算7:54
For 循環15:24
For 循環
Enumerate function6:36
嵌套For Loops13:44
While 循環6:40
While 循環
第四個Python App-猜數字遊戲12:07
第五個Python App-開車遊戲15:34
循環簡化9:26
循環簡化
循環簡化處理字典5:43
Function10:08
Function
Function參數8:22
Function Return4:44
第六個Python App-自動表情轉換12:53
Except運用6:13
Class8:44
構造函數8:46
繼承6:13
多參數與關鍵字參數11:59
多參數與關鍵字參數
Lambda表達式9:22
Lambda表達式
如何使用Lambda來排序7:21
全局變量&局部變量8:22
全局變量&局部變量

Modules And Package9:53
Modules And Package
創建自己第一個module6:28
Python內部module5:36
第七個Python App-搖骰子遊戲3:36
如何使用Python內部module查找文件9:41
如何安裝packages5:40
第八個Python App-用openpyxl添加數據及圖表(1)14:19
第八個Python App-用openpyxl添加數據及圖表(2)9:50
為什麼要使用Numpy9:49
Numpy Array的維度與形狀11:14
Numpy Array的維度與形狀
Numpy Array的一些特性7:19
向量Vector和矩陣Matrix9:26
向量Vector和矩陣Matrix
Random隨機數11:08
Random隨機數
Array Indexing & Slicing13:35
Array Indexing & Slicing
Slicing小練習114:27
Slicing小練習213:47
Fancy Indexing9:52
Bitwise operators9:35
2D Fancy Indexing11:53
多維度Array9:35
Array的運算18:10
Array的運算
Array運算與Shape7:08
Axis的運用7:54
安裝OpenCV2:13
如何使用Numpy去處理圖片13:59

為什麼要使用Pandas4:04
如何使用Pandas讀取Dataframe13:19
在Dataframe如何按條件篩選數據6:10
Dataframe Index6:28
如何使用Pandas讀寫CSV文檔13:56
如何使用Pandas讀寫Excel文檔9:41
如何處理空值-fillna14:30
如何處理空值-interpolate, dropna9:10
如何處理無效值14:47
Pandas處理分組數據6:43
Pandas如何合併數據表10:40
Merge11:41
Pivot table12:52
Melt10:28
Stack和Unstack5:42
Crosstab8:44

Machine Learning介紹4:47
Machine Learning三大組成部分5:15
Linear Regression原理19:23
Linear Regression原理28:04
Linear Regression原理311:24
Linear Regression實踐-使用Python導入數據5:52
Linear Regression實踐-使用sklearn預測數據12:32
Linear Regression實踐-驗證預測數據10:04
Multple Linear Regression原理6:15
Multple Linear Regression如何在Python中實現13:21
F-statistic9:12
在Python中計算F12:45
Feature Selection8:18
如何在Python中選擇合適特徵(1)11:09
如何在Python中選擇合適特徵(2)10:19
製作TV&Radio3D圖表(1)9:57
製作TV&Radio3D圖表(2)9:08
Polynomial Linear Regression6:29
Polynomial Regression實際操作(1)12:14
Polynomial Regression實際操作(2)13:01
如何尋找最佳Degree(1)10:11
如何尋找最佳Degree(2)10:20
什麼是Overfit8:53
Ridge Regression原理7:06
Ridge Regression原理
Lambda與Slope的關係4:03
Lasso Regression原理2:42
為什麼Lasso的Slope會等於零Ridge不會13:16
Cross Validatioin4:36
Linear Regression Cross Validation Python實作9:41
Ridge & Lasso Python實作15:45

Regresion與Classification6:54
Regresion與Classification
Logistic Regression簡介10:16
Logistic Regression簡介
發生比Odds與概率Probability7:58
發生比Odds與概率Probability
邏輯回歸為什麼沒有R square(1)8:59
邏輯回歸為什麼沒有R square(1)
邏輯回歸為什麼沒有R square(2)4:51
邏輯回歸為什麼沒有R square(2)
樣本或然率(1)6:47
樣本或然率(1)
樣本或然率(2)7:45
樣本或然率(2)
最大可能性9:28
最大可能性
羅輯回歸R Square(1)7:30
羅輯回歸R Square(1)
羅輯回歸R Square(2)9:24
羅輯回歸R Square(2)
Matplotlib VS Seaborn(1)7:21
Matplotlib VS Seaborn(1)
Matplotlib VS Seaborn(2)6:28
Matplotlib VS Seaborn(2)
Seaborn 分布圖(1)8:22
Seaborn 分布圖(1)
Seaborn 分布圖(2)8:26
Seaborn 分布圖(2)
Seaborn與分類圖(1)7:50
Seaborn與分類圖(1)
Seaborn與分類圖(2)5:56
Seaborn與分類圖(2)
Seaborn與陣列圖8:39
Seaborn與陣列圖
邏輯回歸實作-泰坦尼克號預測(1)8:47
邏輯回歸實作-泰坦尼克號預測(1)
邏輯回歸實作-泰坦尼克號數據分析(2)12:36
邏輯回歸實作-泰坦尼克號數據分析(2)
邏輯回歸實作-泰坦尼克號處理NaN值(3)11:44
邏輯回歸實作-泰坦尼克號處理NaN值(3)
邏輯回歸實作-泰坦尼克號處理NaN值(4)10:26
邏輯回歸實作-泰坦尼克號處理NaN值(4)
邏輯回歸實作-泰坦尼克號轉化Dummy變量13:20
邏輯回歸實作-泰坦尼克號轉化Dummy變量
邏輯回歸實作-泰坦尼克號轉化訓練和測試模型12:14
邏輯回歸實作-泰坦尼克號轉化訓練和測試模型
實作二-SUV轎車購買預測(1)7:04
實作二-SUV轎車購買預測(1)
實作二-SUV轎車購買預測(2)9:55
實作二-SUV轎車購買預測(2)

Decision Tree 決策樹介紹(1)5:33
Decision Tree 決策樹介紹(1)
Decision Tree 決策樹介紹(2)8:34
Decision Tree 決策樹介紹(2)
Decision Tree 決策樹樹根選擇(1)6:55
Decision Tree 決策樹樹根選擇(1)
Decision Tree 決策樹樹根選擇(2)8:25
Decision Tree 決策樹樹根選擇(2)
Decision Tree 決策樹左葉計算(1)8:04
Decision Tree 決策樹左葉計算(1)
Decision Tree 決策樹左葉計算(2)6:00
Decision Tree 決策樹左葉計算(2)
Decision Tree 決策樹右葉計算10:12
Decision Tree 決策樹右葉計算
Decision Tree 數字型與等級型決策樹計算8:15
Decision Tree 數字型與等級型決策樹計算
決策樹實作(1)_定義提問Function(1)7:58
決策樹實作(1)_定義提問Function(1)
決策樹實作(1)_定義提問Function(2)7:30
決策樹實作(1)_定義提問Function(2)
決策樹實作(2)_定義分類Function7:20
決策樹實作(2)_定義分類Function
決策樹實作(3)_定義比對Function15:54
決策樹實作(3)_定義比對Function
決策樹實作(4)_定義種類統計9:12
決策樹實作(4)_定義種類統計
決策樹實作(5)_計算Gini不純度13:17
決策樹實作(5)_計算Gini不純度
決策樹實作(6)_找到最佳分支(1)9:56
決策樹實作(6)_找到最佳分支(1)
決策樹實作(6)_找到最佳分支(2)9:47
決策樹實作(6)_找到最佳分支(2)
決策樹實作(7)_創建樹結構(1)9:32
決策樹實作(7)_創建樹結構(1)
決策樹實作(7)_創建樹結構(2)8:49
決策樹實作(7)_創建樹結構(2)
決策樹實作(8)_顯示樹結構10:57
決策樹實作(8)_顯示樹結構

Random Forest隨機森林算法簡介8:08
Random Forest隨機森林算法簡介
如何使用隨機森林2:38
如何使用隨機森林
如何改進隨機森林模型8:41
如何改進隨機森林模型
在隨機森林模型如何填充缺失值(1)8:17
在隨機森林模型如何填充缺失值(1)
在隨機森林模型如何填充缺失值(2)11:55
在隨機森林模型如何填充缺失值(2)
在隨機森林模型如何填充缺失值(3)4:33
在隨機森林模型如何填充缺失值(3)
在隨機森林模型如何填充缺失值(4)3:34
在隨機森林模型如何填充缺失值(4)
Random Forest Demo_處理數據15:22
Random Forest Demo_處理數據
Random Forest Demo_訓練決策樹模型11:57
Random Forest Demo_訓練決策樹模型
Random Forest Demo_訓練隨機森林模型8:11
Random Forest Demo_訓練隨機森林模型

Requirements

一台Mac或者Windows電腦

Description

課程內容包括Python，機械學習，及各種實際運用的實例。本課程將從零基礎開始學習Python語言，了解Python的基本語言，學習Machine Learning的數據處理庫Numpy，Pandas，數據可視化工具庫Matplotlib等。然後，開始了解，Machine Learning 中的Linear Regression，Classification，Clustering，以及對應的演算法，和各種或然率概念。

人工智能是現在最流行和熱門的話題，人才需求也非常巨大，然而，要學習了解這門科學，卻非常困難，原因在於這是一個集中多學科，包括Pyhon語言學習，對應Numpy， Pandas等數據處理，還有數學中，統籌學，或然率概念，方程式等複雜概念。

課程會回歸一個無任何編程經驗的學員角度，一步一步了解實踐這門科學，這將是一個奇妙學習的旅程，希望能與您結伴同行！

Who this course is for:

想學習Python數據科學的學員
想學習機械學習的學員
想知道如何使用Numpy , Pandas, Matplotlib的學員
想知道Linear Regression，Classification以及Clustering的原理，和方程式知識的學員
想知道如何在多個特徵點上作出正確的選擇，並在Python上實現的學員

(Ken Cen出品)從零開始學Machine Learning第一部 - 線型回歸，分類與聚類

What you'll learn

Explore related topics

Course content

如何開始學習 AI？1 lecture • 2min

Python基礎47 lectures • 6hr 48min

Numpy25 lectures • 4hr 6min

Matplotlib9 lectures • 1hr 20min

Pandas16 lectures • 2hr 39min

Machine Learning - Linear Regression30 lectures • 4hr 36min

Logistic Regression25 lectures • 3hr 39min

Decision Tree 決策樹19 lectures • 2hr 52min

Random Forest隨機森林算法10 lectures • 1hr 23min

K-nearest neighbors(KNN)_鄰近算法4 lectures • 43min

Requirements

Description

Who this course is for: