大数据机器学习夸克网盘资源_网盘资源_夸克网盘资源搜索_全盘搜

• file:播放列表.dpl
• file:DPL_PYJUN
• file:(2.1)--第一章统计学习及监督学习概论-2019.pdf
• file:(1.1)--概述-20190919.pdf
• file:(5.1)--第五章聚类.pdf
• file:(19.1)--第19讲深度学习正则化方法.pdf
• file:(8.1)--第六章Logistic回归.pdf
• file:[2.2.1]--2.监督学习.mp4
• file:[2.1.1]--1机器学习的基本术语.srt
• file:[2.7.1]--7.训练误差和测试误差.srt
• file:[2.10.1]--10.生成模型和判别模型.mp4
• file:[2.6.1]--6.没有免费的午餐定理v.mp4
• file:[3.9.1]--9.T检验.srt
• file:[1.4.1]--4.机器学习和数据挖掘的关系.mp4
• file:[1.3.1]--3.深度学习方法和其它人工智能方法的共性和差异.mp4
• file:[1.7.1]--7.大数据机器学习的主要特点.mp4
• file:[9.4.1]--4.凸优化问题的基本概念.mp4
• file:[9.3.1]--3.线性可分支持向量机.mp4
• file:[9.5.1]--5.支持向量的确切定义.srt
• file:[5.4.1]--3.2原型聚类学习向量算法.srt
• file:[13.4.1]--3.EM算法的收敛性.mp4
• file:[13.5.1]--4.EM算法在高斯混合模型学习中的应用.srt
• file:[19.1.1]--1.深度学习简介和架构设计.mp4
• file:[19.2.1]--2.计算图形式的反向传播算法.mp4
• file:[19.4.1]--4.深度学习的正则化方法（二）.srt
• file:[16.4.1]--3.条件随机场的计算问题.srt
• file:[6.6.1]--6.贝叶斯网络结构学习推断.srt
• file:[6.5.1]--5.半朴素贝叶斯分类器v.mp4
• file:[12.2.1]--2.Adaboost算法的训练误差分析.srt
• file:(12.5.1)--第八章adaboost.pdf
• file:[12.1.1]--1.提升方法adaboost算法.mp4
• file:[20.2.1]--2.神经网络优化的挑战.srt
• file:[14.3.1]--2.概率近似正确学习理论.srt
• file:[18.2.1]--2.神经网络的基本概念以及常见的神经网络(一）.srt
• file:[17.2.1]--1.精确推断法：变量消去法和信念传播法.srt
• file:[17.3.1]--2.近似推断法：MCMC和变分推断.mp4
• folder:大数据机器学习
• folder:{1}--课程
• 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:{13}--第十三章EM算法及混合高斯模型
• folder:{19}--第十九章深度学习正则化方法
• folder:{7}--第七章决策树和随机森林
• folder:{8}--第八章逻辑斯谛回归与最大熵模型
• folder:{16}--第十六章条件随机场
• folder:{6}--第六章贝叶斯分类器及图模型
• folder:{10}--第十章核方法与非线性SVM
• 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:{5}--5.奥卡姆剃刀定理
• folder:{7}--7.训练误差和测试误差
• folder:{10}--10.生成模型和判别模型
• folder:{8}--8.过拟合与模型选择
• folder:{4}--4.学习方法三要素
• folder:{2}--2.交叉验证法
• folder:{6}--6.ROC和AUC曲线
• folder:{1}--1.机器学习定义和典型应用
• folder:{7}--7.大数据机器学习的主要特点
• folder:{7}--svm相关拓展资料
• folder:{3}--3.线性可分支持向量机
• folder:{4}--3.2原型聚类学习向量算法
• folder:{2}--2.计算图形式的反向传播算法
• folder:{4}--3.条件随机场的计算问题
• folder:{6}--6.贝叶斯网络结构学习推断
• folder:{4}--4.Adaboost的实现
• folder:{2}--1.计算学习理论的基础知识
• folder:{3}--2.概率近似正确学习理论
• folder:{3}--3.神经网络的基本概念以及常见的神经网络(二）