大数据机器学习网盘资源 | 影盘社

file:group.png
file:本资源说明.pdf
file:DPL_PYJUN
file:播放列表.dpl
file:banner.png
file:(15.1)-第15讲隐马尔可夫模型.pdf
file:pikaso.png
file:(1.1)-概述-20190919.pdf
file:kkzy.top.jpg
file:(5.1)-第五章聚类.pdf
file:(8.1)-第六章Logistic回归.pdf
file:(2.1)-第一章统计学习及监督学习概论-2019.pdf
file:(20.1)-第20讲深度学习优化方法.pdf
file:[15.1.1]-开头.mp4
file:[15.2.1]-1.隐马尔科夫模型的基本概念.mp4
file:[15.3.1]-2.概率计算算法.srt
file:[18.1.1]-1.神经网络的发展历程.srt
file:[18.3.1]-3.神经网络的基本概念以及常见的神经网络(二).srt
file:[1.4.1]-4.机器学习和数据挖掘的关系.mp4
file:[1.7.1]-7.大数据机器学习的主要特点.srt
folder:大数据机器学习
folder:{1}-课程
folder:{15}-第十五章隐马尔可夫模型
folder:{18}-第十八章神经网络和深度学习
folder:{17}-第十七章概率图模型的学习与推断
folder:{7}-第七章决策树和随机森林
folder:{10}-第十章核方法与非线性SVM
folder:{9}-第九章SVM
folder:{8}-第八章逻辑斯谛回归与最大熵模型
folder:{19}-第十九章深度学习正则化方法
folder:{2}-第二章机器学习基本概念
folder:{3}-第三章模型性能评估
folder:{6}-第六章贝叶斯分类器及图模型
folder:{13}-第十三章EM算法及混合高斯模型
folder:{2}-1.隐马尔科夫模型的基本概念
folder:{3}-2.概率计算算法
folder:{1}-1.神经网络的发展历程
folder:{5}-5.深度学习
folder:{2}-2.神经网络的基本概念以及常见的神经网络(一)
folder:{4}-4.机器学习和数据挖掘的关系
folder:{7}-7.大数据机器学习的主要特点
folder:{1}-1.机器学习定义和典型应用
folder:{3}-3.深度学习方法和其它人工智能方法的共性和差异
folder:{2}-1.精确推断法:变量消去法和信念传播法
folder:{3}-2.近似推断法:MCMC和变分推断
folder:{3}-2.条件随机场的定义与形式
folder:{4}-3.2原型聚类学习向量算法
folder:{4}-3.决策树的生成
folder:{3}-2.核函数和非线性支持向量机
folder:{2}-1.泛函基础知识
folder:{7}-svm相关拓展资料
folder:{5}-5.支持向量的确切定义
folder:{2}-2.计算图形式的反向传播算法
folder:{8}-8.过拟合与模型选择
folder:{10}-10.生成模型和判别模型
folder:{4}-4.学习方法三要素
folder:{7}-7.训练误差和测试误差
folder:{6}-6.没有免费的午餐定理
folder:{6}-6.ROC和AUC曲线
folder:{4}-4.Adaboost的实现
folder:{6}-6.贝叶斯网络结构学习推断
folder:{5}-5.半朴素贝叶斯分类器
folder:{5}-4.EM算法在高斯混合模型学习中的应用

分享时间

2023-11-17

入库时间

2024-06-08

资源类型

夸克网盘

分享用户

TU*

大数据机器学习网盘资源 | 影盘社

扫码获取资源