2018机器学习40讲,全套视频教程学习资料通过百度云网盘下载
资源详情
开篇词|打通修炼机器学习的任督二脉
01|频率视角下的机器学习
02|贝叶斯视角下的机器学习
03|学什么与怎么学
04|计算学习理论
05|模型的分类方式
06|模型的设计准则
07|模型的验证方法
08|模型的评估指标
09|实验设计
10|特征预处理
11|基础线忄生回归：一元与多元
12|正则化处理：收缩方法与边际化
13|线忄生降维：主成分的使用
14|非线忄生降维：流形学习
15|从回归到分类：联系函数与降维
16|建模非正态分布：广义线忄生模型
17|几何角度看分类：支持向量机
18|从全局到局部：核技巧
19|非参数化的局部模型：K近邻
20|基于距离的学习：聚类与度量学习
21|基函数扩展：属忄生的非线忄生化
22|自适应的基函数：神经网络
23|层次化的神经网络：深度学习
24|深度编解码：表示学习
25|基于特征的区域划分：树模型
26|集成化处理：Boosting与Bagging
27|万能模型：梯度提升与随机森林
总结课|机器学习的模型体系
28|最简单的概率图：朴素贝叶斯
29|有向图模型：贝叶斯网络
30|无向图模型：马尔可夫随机场
31|建模连续分布：高斯网络
32|从有限到无限：高斯过程
33|序列化建模：隐马尔可夫模型
34|连续序列化模型：线忄生动态系统
35|精确推断：变量消除及其拓展
36|确定近似推断：变分贝叶斯
37|随机近似推断：MCMC
38|完备数据下的参数学习：有向图与无向图
39|隐变量下的参数学习：EM方法与混合模型
40|结构学习：基于约束与基于评分
总结课|贝叶斯学习的模型体系
结课|终有一天，你将为今天的付出骄傲
**** Hidden Message ***** 正需要，支持楼主大人了！ 啥也不说了，感谢楼主分享哇！
页:
[1]