38-机器学习40讲

发布时间：2025-03-28

发布者：

古道西风

文件大小：共计88个文件，合计:172.65 MB

资源金币：4.99 金币

资源来源：阿里网盘

资源状态：【实时检测】链接有效

本站会员，可以免费下载全站所有资源

资源目录结构(只展示部分的文件和文件夹，以下文件快照生成于2025-03-28)

资源投诉

38-机器学习40讲172.65 MB

05-结束语 (讲)1.94 MB

结课丨终有一天，你将为今天的付出骄傲.pdf1.05 MB

结课丨终有一天，你将为今天的付出骄傲.html911.67 KB

04-概率图模型 (4讲)50.82 MB

总结课丨贝叶斯学习的模型体系.pdf1.40 MB

40丨结构学习：基于约束与基于评分.pdf1.78 MB

39丨隐变量下的参数学习：EM方法与混合模型.pdf2.36 MB

38丨完备数据下的参数学习：有向图与无向图.pdf1.94 MB

37丨随机近似推断：MCMC.pdf2.05 MB

36丨确定近似推断：变分贝叶斯.pdf1.73 MB

35丨精确推断：变量消除及其拓展.pdf1.87 MB

34丨连续序列化模型：线性动态系统.pdf1.85 MB

33丨序列化建模：隐马尔可夫模型.pdf1.88 MB

32丨从有限到无限：高斯过程.pdf1.97 MB

3丨建模连续分布：高斯网络.pdf1.59 MB

30丨无向图模型：马尔可夫随机场.pdf2.29 MB

29丨有向图模型：贝叶斯网络.pdf1.91 MB

28丨最简单的概率图：朴素贝叶斯.pdf2.12 MB

总结课丨贝叶斯学习的模型体系.html1.01 MB

40丨结构学习：基于约束与基于评分.html1.30 MB

39丨隐变量下的参数学习：EM方法与混合模型.html2.36 MB

38丨完备数据下的参数学习：有向图与无向图.html1.47 MB

37丨随机近似推断：MCMC.html2.41 MB

36丨确定近似推断：变分贝叶斯.html1.83 MB

35丨精确推断：变量消除及其拓展.html2.09 MB

34丨连续序列化模型：线性动态系统.html1.44 MB

33丨序列化建模：隐马尔可夫模型.html1.50 MB

32丨从有限到无限：高斯过程.html1.93 MB

3丨建模连续分布：高斯网络.html1.69 MB

30丨无向图模型：马尔可夫随机场.html1.96 MB

29丨有向图模型：贝叶斯网络.html1.51 MB

28丨最简单的概率图：朴素贝叶斯.html1.61 MB

03-统计机器学习模型 (8讲)82.62 MB

总结课丨机器学习的模型体系.pdf1.10 MB

27丨万能模型：梯度提升与随机森林.pdf2.17 MB

26丨集成化处理：Boosting与Bagging.pdf2.30 MB

25丨基于特征的区域划分：树模型.pdf2.53 MB

24丨深度编解码：表示学习.pdf2.15 MB

23丨层次化的神经网络：深度学习.pdf2.53 MB

22丨自适应的基函数：神经网络.pdf1.99 MB

2丨基函数扩展：属性的非线性化.pdf2.00 MB

20丨基于距离的学习：聚类与度量学习.pdf2.60 MB

9丨非参数化的局部模型：K近邻.pdf2.13 MB

8丨从全局到局部：核技巧.pdf2.32 MB

7丨几何角度看分类：支持向量机.pdf2.19 MB

6丨建模非正态分布：广义线性模型.pdf2.17 MB

5丨从回归到分类：联系函数与降维.pdf2.38 MB

4丨非线性降维：流形学习.pdf7.98 MB

3丨线性降维：主成分的使用.pdf2.37 MB

2丨正则化处理：收缩方法与边际化.pdf1.79 MB

丨基础线性回归：一元与多元.pdf2.93 MB

总结课丨机器学习的模型体系.html955.19 KB

27丨万能模型：梯度提升与随机森林.html1.64 MB

26丨集成化处理：Boosting与Bagging.html1.79 MB

25丨基于特征的区域划分：树模型.html1.92 MB

24丨深度编解码：表示学习.html1.65 MB

23丨层次化的神经网络：深度学习.html2.14 MB

22丨自适应的基函数：神经网络.html1.51 MB

2丨基函数扩展：属性的非线性化.html1.67 MB

20丨基于距离的学习：聚类与度量学习.html2.19 MB

9丨非参数化的局部模型：K近邻.html1.83 MB

8丨从全局到局部：核技巧.html1.89 MB

7丨几何角度看分类：支持向量机.html1.74 MB

6丨建模非正态分布：广义线性模型.html1.76 MB

5丨从回归到分类：联系函数与降维.html2.02 MB

4丨非线性降维：流形学习.html5.95 MB

3丨线性降维：主成分的使用.html2.19 MB

2丨正则化处理：收缩方法与边际化.html1.77 MB

丨基础线性回归：一元与多元.html2.39 MB

02-机器学习概观 (0讲)34.87 MB

0丨特征预处理.pdf2.40 MB

09丨实验设计.pdf2.08 MB

08丨模型的评估指标.pdf1.84 MB

07丨模型的验证方法.pdf1.93 MB

06丨模型的设计准则.pdf1.80 MB

05丨模型的分类方式.pdf1.94 MB

04丨计算学习理论.pdf1.76 MB

03丨学什么与怎么学.pdf2.40 MB

02丨贝叶斯视角下的机器学习.pdf2.12 MB

0丨频率视角下的机器学习.pdf2.21 MB

0丨特征预处理.html1.85 MB

09丨实验设计.html1.66 MB

08丨模型的评估指标.html311.17 KB

07丨模型的验证方法.html1.46 MB

06丨模型的设计准则.html1.22 MB

05丨模型的分类方式.html1.35 MB

04丨计算学习理论.html1.55 MB

03丨学什么与怎么学.html1.75 MB

02丨贝叶斯视角下的机器学习.html1.55 MB

0丨频率视角下的机器学习.html1.70 MB

0-开篇词 (讲)2.41 MB

丨开篇词丨打通修炼机器学习的任督二脉.pdf1.36 MB

丨开篇词丨打通修炼机器学习的任督二脉.html1.04 MB

1、本网站数据来自互联网，通过自动抓取公开网页链接构建数据库，系统将基于链接特征选择性收录符合收录标准的内容

2、根据用户输入的关键词，通过智能算法自动匹配并展示相关第三方网页链接。所有搜索结果均为实时动态生成

3、本站不控制、修改第三方网页内容，不对其可用性、准确性负责

4、搜索结果中的广告及推广内容不代表本站推荐或担保

5、所有内容获取/呈现均通过自动化程序完成，无人工干预