【8712】-深度之眼【跟班学】《统计学习方法》第九期
01统计学习方法开营仪式-DOD0老师.mp4
02第一章1.1导论.mp4
03第一章1.2极大似然估计.mp4
04第一章1.3梯度下降法.mp4
05第二章2.1导论.mp4
06第二章2.2对偶形式.mp4
07第二章2.3收敛性.mp4
08 code-感机机.mp4
09第三章3.1导论.mp4
10第三章3.2 kd树.mp4
11 code-k近邻.mp4
12第四章4.1导论.mp4
13第四章4.2贝叶斯估计.mp4
14第四章4.3期望风险最小化.mp4
15 code-朴素贝叶斯.mp4
16第五章5.1导论.mp4
17 code-决策树.mp4
18第一章作业讲解-贝叶斯估计.mp4
19第一章作业讲解极大似然估计.mp4
20第二章作业讲解感知机自编程实现.mp4
21第二章作业讲解-感知机skleam实现.mp4
22第三章作业讲解-KNN自编程.mp4
23第三章作业讲解-KN-sklearn .mp4
24第四章作业讲解-朴素贝叶斯.mp4
25第五章作业讲解-决策树.mp4
26第六章6.1逻辑斯蒂回归与最大熵.mp4
27第六章6.2改进的送代尺度法.mp4
28第七章7.1导论.mp4
29第七章7.2存在唯一性.mp4
30第八章8.1导论.mp4
31第八章8.2前向分步算法.mp4
32第八章8.3 adaboost的训练误差.mp4
33第五章5.2剪枝.mp4
34第九章9.1导论.mp4
35第九章9.2高斯混合模型.mp4
36第十章10.1导论.mp4
37第十章10.2前向算法.mp4
38第十章10.3维特比算法.mp4
39第十一章11导论.mp4
40第十一章11.2拟牛顿法.mp4
41第十一章11.3条件随机场的矩阵形式.mp4
42 《统计学习方法》第九期9月27日直播答疑.mp4
43 code-逻辑斯蒂回归与最大熵.mp4
44 code-EM算法及推广.mp4
45 code-支持向量机.mp4
46 code-提升方法.mp4
47 code-隐马尔可夫.mp4
48第十三章无监督学习导论.mp4
49第十四章14.1聚美的基本概念.mp4
50第十四章14.2.1距离与相似度.mp4
51第十四章14.2.2聚合聚美距离公式介绍.mp4
52第十四章14.2.3距离公式证明.mp4
53第十四章14.2.4确定最佳聚类数.mp4
54第十四章14.2.5有序样本分类法.mp4
55第十四章14.3K均值聚类.mp4
56第十五章15.1矩阵奇异值分解步骤.mp4
57第十五章15.2矩阵奇异值分解基本定理.mp4
58第十五章15.3矩阵奇异值分解性质与计算.mp4
59第十五章15.4.1矩阵奇异值分解的酉空间表示法.mp4
60第十五章15.5矩阵奇异值分解的应用.mp4
................................
课件代码
100-第十九章19.4Metropolis-Hastings算法与吉布斯抽样算法.mp4
101-第十九章作业讲解.mp4
102-第二十章20.1LDA分布-模型与Gibbs抽样算法.mp4
103-第二十章20.2LDA的变分EM算法.mp4
104-第二十章 作业讲解.mp4
105-第二十一章21.1PageRank算法的定义与幂法计算.mp4
106-第二十一章 作业讲解.mp4
107-第二十二章 22无监督学习方法总结.mp4
《统计学习方法》第九期9月12日直播答疑.mp4课件代码
