【14345】-【千万别低效啃书了！】计算机博士全程手推公式+逐行代码解读带你高效啃透统计学习方法！！-人工智能 AI 机器学习

1-1. 第一章第1节一矩阵和向量空间（1）.mp4

2-2. 第一章第2节一概率基础-480P 清晰-AVC.mp4
3-3.第一章第3节—随机变量及其分布.mp4
4-4.第一章第4节一多维随机变量及其分布.mp4
5-5.第一章第5节—随机变量的数字特征.mp4

6-6. 第一章第6节—中心极限定理.mp4

7-7. 第一章第7节一样本及抽样分布.mp4

8-8. 第一章第8节一极大似然估计和贝叶斯估计.mp4

9-9，第二章第1节一统计学习导论.mp4

10-10.第二章第2节一统计学习分类.mp4

11-11.第二章第3节一统计学习方法的三要素.mp4

12-12. 第二章第4节一模型评估与模型选择.mp4

13-13.第二章第5节一正则化与交叉验证.mp4

14-14. 第二章第6节一泛化能力.mp4

15-15. 第二章第7节一生成模型与判别模型.mp4

16-17.第三章第1节一感知机模型.mp4

17-18.第三章第2节一感知机学习策略.mp4

18-19. 第三章第3节一感知机学习算法的原始形式.mp4

19-20. 第三章第4节—原始形式的算法收敛性.mp4

20-21.第三章第5节一感知机学习算法的对偶形式.mp4

21-22.第四章第1节一k近邻算法.mp4

22-23.第四章第2节一k近邻模型.mp4

23-24.第四章第3节—k近邻法的实现：kd树.mp4

24-25.第五章第0节一贝叶斯框架引言部分.mp4

25-26.第五章第1节一贝叶斯框架概述.mp4

26-27.第五章第2节一朴素贝叶斯法的学习与分类.mp4

27-28.第五章第3节一朴素贝叶斯法的参数估计.mp4

28-29.第六章第1节一决策树模型与学习.mp4

29-30.第六章第2节一特征选择.mp4

30-31. 第六章第3节一决策树的生成.mp4

31-32.第六章第4节一决策树的剪枝.mp4

32-33.第六章第5节-CART算法.mp4

33-34.第七章第1节一线性回归.mp4

34-35.第七章第2节一机器学习中的线性回归.mp4

35-36.第七章第3节一统计学习的线性回归.mp4

36-37.第八章第1节一逻辑回归模型.mp4

37-38. 第八章第2节一数学补充：拉格朗日函数.mp4

38-39.第八章第3节一数学补充：拉个朗日对偶.mp4

39-40. 第八章第4节一最大熵模型.mp4

40-41. 第八章第5节一数学补充：梯度下降法（GD）.mp4

41-42.第八章第6节一数学补充：牛顿法.mp4

42-43.第八章第7节一数学补充：拟牛顿法.mp4

43-44. 第八章第7节—模型学习的最优化算法.mp4

44-45. 第九章第1节一线性可分支持向量机与硬间隔最大化.mp4

45-46，第九章第2节一硬间隔最大化学习的对偶算法.mp4

46-47，第九章第3节一线性支持向量机与软间隔最大化.mp4

47-48，第九章第4节一核技巧.mp4

48-49，第九章第5节一正定核.mp4

49-50，第九章第6节一常用核函数.mp4

50-51. 第九章第7节一非线性支持向量分类机.mp4

51-52.第九章第8节一序列最小最优化算法.mp4

52-53.第九章第8节-SMO算法.mp4

53-54.第十章第1节一提升方法AdaBoost算法.mp4

54-55.第十章第2节一AdaBoost算法的训练误差分析.mp4

55-56.第十章第3节—AdaBoost算法的解释.mp4

56-57. 第十章第4节—提升树.mp4