大数据机器学习网盘资源 | 影盘社

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