TA的每日心情 | 开心
2024-9-19 21:14 |
|---|
签到天数: 757 天 [LV.10]以坛为家III
管理员
 
- 积分
- 1312455
|
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Bagging27|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：MCMC38|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
|
|
发表于 2021-4-15 04:24:20
发表于 2021-4-26 01:31:49
