38-机器学习40讲夸克网盘资源_网盘资源_夸克网盘资源搜索_全盘搜

• file:01丨频率视角下的机器学习.pdf
• file:03丨学什么与怎么学.html
• file:09丨实验设计.html
• file:08丨模型的评估指标.html
• file:04丨计算学习理论.pdf
• file:06丨模型的设计准则.pdf
• file:18丨从全局到局部：核技巧.html
• file:23丨层次化的神经网络：深度学习.pdf
• file:22丨自适应的基函数：神经网络.html
• file:20丨基于距离的学习：聚类与度量学习.html
• file:12丨正则化处理：收缩方法与边际化.html
• file:11丨基础线性回归：一元与多元.pdf
• file:17丨几何角度看分类：支持向量机.html
• file:25丨基于特征的区域划分：树模型.html
• file:27丨万能模型：梯度提升与随机森林.html
• file:19丨非参数化的局部模型：K近邻.pdf
• file:14丨非线性降维：流形学习.html
• file:总结课丨机器学习的模型体系.html
• file:16丨建模非正态分布：广义线性模型.pdf
• file:13丨线性降维：主成分的使用.pdf
• file:15丨从回归到分类：联系函数与降维.html
• file:26丨集成化处理：Boosting与Bagging.pdf
• file:21丨基函数扩展：属性的非线性化.html
• file:00丨开篇词丨打通修炼机器学习的任督二脉.pdf
• file:38丨完备数据下的参数学习：有向图与无向图.pdf
• file:33丨序列化建模：隐马尔可夫模型.html
• file:36丨确定近似推断：变分贝叶斯.html
• file:34丨连续序列化模型：线性动态系统.pdf
• file:30丨无向图模型：马尔可夫随机场.pdf
• file:32丨从有限到无限：高斯过程.pdf
• file:39丨隐变量下的参数学习：EM方法与混合模型.html
• file:40丨结构学习：基于约束与基于评分.pdf
• file:29丨有向图模型：贝叶斯网络.html
• file:28丨最简单的概率图：朴素贝叶斯.pdf
• file:37丨随机近似推断：MCMC.pdf
• file:35丨精确推断：变量消除及其拓展.pdf
• file:31丨建模连续分布：高斯网络.html
• folder:38-机器学习40讲
• folder:05-结束语 (1讲)
• folder:03-统计机器学习模型 (18讲)