《统计学习方法》训练营（含无监督学习部分）

mind

资源来自网络分享，侵权请告知删除。
免费容易导致链接很快失效，
如失效，请联系管理


《统计学习方法》训练营（含无监督学习部分）


《统计学习方法》是李航教授编写的一本经典机器学习教材。这本书对于入门机器学习和深度学习具有重要的意义。
首先，这本书系统地介绍了机器学习的基本概念、方法和算法。它从统计学习的角度出发，深入讲解了监督学习、无监督学习、半监督学习等各种学习任务和算法。
通过学习这本书，读者可以建立起对机器学习的整体框架和思维方式的理解。


06-第一章 1.1 导论.mp4
07-第一章 1.2 极大似然估计.mp4"
08-第一章 1.3 梯度下降法.mp4
09-第一章作业讲解-极大似然估计.mp4
10-第二章 2.1 导论.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
11-第二章 2.2 对偶形式.mp4
12-第二章 2.3 收敛性.mp4
13-code——感知机.mp4
14-第二章作业讲解-感知机自编程实现.mp4
15-第二章作业讲解-感知机sklearn实现.mp4
16-第三章 3.1 导论.mp4
17-第三章 3.2 kd树.mp4
18-code——k近邻.mp4
19-第三章作业讲解-KNN 自编程.mp4
20-第三章作业讲解-KNN-sklearn.mp4"
21-第四章 4.1 导论.mp4
22-第四章 4.2 贝叶斯估计.mp4
23-第四章 4.3 期望风险最小化.mp4
24-code——朴素贝叶斯.mp4
25-第四章作业讲解-贝叶斯估计.mp4
26-第四章作业讲解-朴素贝叶斯.mp4
27-第五章 5.1 导论.mp4
28-第五章 5.2 剪枝.mp4
29-code——决策树.mp4
30-第五章作业讲解-决策树.mp4
31-第六章 6.1 逻辑斯蒂回归与最大熵.mp4
32-第六章 6.2 改进的迭代尺度法.mp4
33-第六章作业讲解-逻辑斯谛回归.mp4
34-code——逻辑斯蒂回归与最大熵.mp4
35-第七章 7.1 导论.mp4
36-第七章 7.2 存在唯一性.mp4
37-第七章作业讲解-支持向量机习题7.1.mp4
38-第七章作业讲解-支持向量机 sklearn习题7.2.mp4
39-第七章作业讲解-支持向量机习题7.3.mp4
40-code——支持向量机.mp4
41-第八章 8.1 导论.mp4
42-第八章 8.2 前向分步算法.mp4
43-第八章 8.3 adaboost的训练误差.mp4
44-第八章作业讲解-提升方法.mp4
45-code——提升方法.mp4
46-第九章 9.1 导论.mp4
47-第九章 9.2 高斯混合模型.mp4
48-第九章作业讲解-EM算法.mp4
49-code——EM算法及推广.mp4
50-第十章 10.1 导论.mp4
51-第十章 10.2 前向算法.mp4
52-第十章 10.3 维特比算法.mp4
53-第十章作业讲解-隐马尔可夫模型.mp4
54-code——隐马尔可夫.mp4
55-第十一章 11.1 导论.mp4
56-第十一章 11.2 拟牛顿法.mp4
57-第十一章 11.3 条件随机场的矩阵形式.mp4
58-第十一章作业讲解-条件随机场.mp4
59-第十三章无监督学习导论.mp4
60-第十四章14.1聚类的基本概念.mp4
61-第十四章14.2.1距离与相似度.mp4
62-第十四章14.2.2聚合聚类 距离公式介绍.mp4
63-第十四章14.2.3距离公式证明.mp4
64-第十四章14.2.4确定最佳聚类数.mp4
65-第十四章14.2.5有序样本分类法.mp4
66-第十四章14.3K均值聚类.mp4
67-第十四章14.1作业讲解- K-Means算法和高斯混合模型的比较.mp4
68-第十四章14.2作业讲解- 14.2 有关类的定义推导.mp4
69-第十四章14.3作业讲解-  离差平方和距离推导公式证明.mp4
70-第十四章14.3作业讲解-重心距离推导公式证明.mp4
71-第十五章15.1矩阵奇异值分解步骤.mp4
72-第十五章15.2矩阵奇异值分解基本定理.mp4
73-第十五章15.3矩阵奇异值分解性质与计算.mp4
74-第十五章15.4.1矩阵奇异值分解的酉空间表示法.mp4
75-第十五章15.5矩阵奇异值分解的应用.mp4
76-第十五章作业讲解- 奇异值分解01.mp4
77-第十五章作业讲解- 奇异值分解02.mp4
78-第十六章16.1主成分分析介绍.mp4
79-第十六章16.2主成分分析基本定理.mp4
80-第十六章16.3主成分的性质与选择.mp4
81-第十六章16.4主成分的特征.mp4
82-第十六章16.5牛顿迭代与梯度下降法.mp4
83-第十六章16.6拟牛顿迭代法.mp4
84-第十六章16.1作业讲解- 样本主成分分析.mp4
85-第十六章16.2 作业讲解-样本方差无偏估计的理解.mp4
86-第十六章16.3作业讲解- 求第一主成分.mp4
87-第十七章17.1LSA导入.mp4
88-第十七章17.2LSA算法实现.mp4
89-第十七章17.3非负矩阵分解算法.mp4
90-第十七章17.4LSA案例分析与编程实现.mp4
91-第十七章 作业讲解.mp4
92-第十八章18.1PLSA生成模型.mp4
93-第十八章18.2PLSA共现模型.mp4
94-第十八章18.3PLSA模型算法实现.mp4
95-第十八章18.4PLSA模型EM算法详解.mp4
96-第十八章 作业讲解.mp4
97-第十九章19.1蒙特卡罗法引入.mp4
98-第十九章19.2马尔科夫链的定义与性质.mp4
99-第十九章19.3连续状态马尔科夫链.mp4

下载地址：
链接: https://pan.baidu.com/s/1-8uguQSXRDObmiqKzSdzCw


获取提取码：

试读已结束，请付费阅读全文。

￥ 5.00付费阅读

登录后可特价购买

  本文只能试读91%,付费后可阅读全文。