2米资源网

 

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

................................

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

深度之眼【跟班学】《统计学习方法》第九期
百度网盘分享地址： 链接: https://pan.baidu.com/s/124a9pwFQ353wuKJu7_3kGg 提取码: 1x2a