统计学习方法带读第九期

课件代码

01 统计学习方法开营仪式——DODO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——感知机 .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sklearn实现 .mp4

22 第三章作业讲解-KNN 自编程 .mp4

23 第三章作业讲解-KNN-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 改进的迭代尺度法 .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 11.1 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 聚类的基本概念 .mp4

50 第十四章 14.2.1 距离与相似度 .mp4

51 第十四章14.2.2 聚合聚类 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

《统计学习方法》第九期 9月12日直播答疑 .mp4