机器学习白板推导系列_网_共：246.46GB
17590文件名称： 机器学习白板推导系列_网_共：246.46GB
文件总数量： 128条
压缩文件数量： 0条
压缩文件比： 0%
疑似加密文件： 0条(需要授权播放的文件)
文件创建时间： 2020-9-13 18:07:17
目录：【机器学习白板推导系列】
目录：【机器学习白板推导系列】
机器学习-绪论-学习资料介绍.MOV
目录：【机器学习白板推导系列/机器学习-指数族分布】
机器学习-指数组分布-背景续.MOV
机器学习-指数组分布-背景.MOV
机器学习-指数族分布-最大熵角度（2）.mp4
机器学习-指数族分布-最大熵角度（1）.MOV
机器学习-指数族分布-极大似然估计与充分统计量.MOV
机器学习-指数族分布-高斯分布的指数族形式111.MOV
机器学习-指数族分布-高斯分布的指数族形式(2).MOV
机器学习-指数族分布-高斯分布的指数族形式(1).MOV
机器学习-指数族分布-高斯分布的指数族形式_.MOV
机器学习-指数族分布-对数配分函数与充分统计量_.MOV
目录：【机器学习白板推导系列/机器学习-支持向量机】
机器学习-支持向量机-硬间隔SVM.MOV
机器学习-支持向量机-硬间隔SVM-模型求解（拉格朗ri对偶）_.MOV
机器学习-支持向量机-硬间隔SVM-模型求解（拉格朗ri对偶-KKT条件）.MOV
机器学习-支持向量机-软间隔SVM_.MOV
机器学习-约束优化问题-弱队偶性证明.mp4
对偶关系之slatercondition.mp4
对偶关系的几何解释.mp4
对偶关系-KKT条件.mp4
目录：【机器学习白板推导系列/机器学习-隐MA尔可夫模型】
机器学习-隐MA尔可夫模型7-小结-Filtering问题&smoothing问题&Prediction问题（2）.MOV
机器学习-隐MA尔可夫模型7-小结.MOV
机器学习-隐MA尔可夫模型6-Decoding问题-V维特比算法（Viterbi）.MOV
机器学习-隐MA尔可夫模型5-Baum-Welch算法(EM).MOV
机器学习-隐MA尔可夫模型4-后向算法.MOV
机器学习-隐MA尔可夫模型3-前向算法.MOV
机器学习-隐MA尔可夫模型2_.MOV
机器学习-隐MA尔可夫模型1（HiddenMarkovModel）.MOV
目录：【机器学习白板推导系列/机器学习-线性回归】
机器学习-线性回归4（正则化-岭回归-贝叶斯角度）_.MOV
机器学习-线性回归3（正则化-岭回归-频率角度）.MOV
机器学习-线性回归2（概率视角-高斯噪声-MLE）.MOV
机器学习-线性回归1（最小二乘法及其几何意义）.MOV
目录：【机器学习白板推导系列/机器学习-线性分类】
机器学习-线性分类9-朴素贝叶斯分类器（NaiveBayesClassifer）.mp4
机器学习-线性分类8-高斯判别分析（GaussianDiscriminant安alysis）-模型求解（求协方差）.MOV
机器学习-线性分类7-高斯判别分析（GaussianDiscriminant安alysis）-模型求解（求期望）.MOV
机器学习-线性分类7-高斯判别分析（GaussianDiscriminant安alysis）-模型求解.MOV
机器学习-线性分类6-高斯判别分析（GaussianDiscriminant安alysis）-模型定义_.MOV
机器学习-线性分类5-逻辑回归（LogisticRegression）.MOV
机器学习-线性分类4-线性判别分析（Fisher）-模型求解.MOV
机器学习-线性分类2-线性判别分析（Fisher）-模型定义_.MOV
机器学习-线性分类2-感知机（Perceptron）.MOV
机器学习-线性分类1-背景.MOV
目录：【机器学习白板推导系列/机器学习-条件随机场】
机器学校-条件随机场（4）-模型.MP4
机器学习-条件随机场（8）-Learning-参数估计.mp4
机器学习-条件随机场（7）-边缘概率计算.mp4
机器学习-条件随机场（6）-CRF模型要解决的问题.mp4
机器学习-条件随机场（5）-模型的概率密度函数的向量形式_.mp4
机器学习-条件随机场（4）-概率密度函数的参数形式.mp4
机器学习-条件随机场（3）-MEMMVSCRF.mp4
机器学习-条件随机场（2）-HMMVSMEMM.mp4
机器学习-条件随机场（1）.MOV
目录：【机器学习白板推导系列/机器学习-数学基础】
机器学习-数学基础-概率-高斯分布6-已知边缘和条件概率求联合概率分布_.MOV
机器学习-数学基础-概率-高斯分布5-求边缘概率以及条件概率.MOV
机器学习-数学基础-概率-高斯分布4-局限性.MOV
机器学习-数学基础-概率-高斯分布3-重要性质.MOV
机器学习-数学基础-概率-高斯分布2（极大似然估计）.MOV
机器学习-数学基础-概率-高斯分布.MOV
目录：【机器学习白板推导系列/机器学习-受限玻尔兹曼机】
机器学习-受限玻尔兹曼机（2）-背景介绍-玻尔兹曼分布的形象解释.mp4
机器学习-受限玻尔兹曼机（1）-背景介绍-引出玻尔兹曼分布_.mp4
机器学习-受限玻尔兹曼机-模型推断（Inference）-后验概率.mp4
机器学习-受限玻尔兹曼机-模型推断-边缘概率.mp4
机器学习-受限玻尔兹曼机-模型表示-回顾.mp4
机器学习-受限玻尔兹曼机(3)-模型表示_.mp4
机器学习-白板推导系列-第21讲-受限玻尔兹曼机.pdf
目录：【机器学习白板推导系列/机器学习-生产模型】
EM再回首_.mp4
EM的变种.mp4
目录：【机器学习白板推导系列/机器学习-前馈神经网络】
非线性问题的三种解决方法_.mp4
从机器学习到深度学习.mp4
从感知机到深度学习.mp4
目录：【机器学习白板推导系列/机器学习-谱聚类】
机器学习-谱聚类（5）-LapalacianMatrix.mp4
机器学习-谱聚类（4）-模型的矩阵形式-对角矩阵.mp4
机器学习-谱聚类（3）-模型的矩阵形式-IndicatorVector.mp4
机器学习-谱聚类（2）-模型介绍.mp4
机器学习-谱聚类（1）-背景介绍_.mp4
目录：【机器学习白板推导系列/机器学习-粒子滤波】
机器学习-粒子滤波4-SIRFilter.MOV
机器学习-粒子滤波3-重采样.MOV
机器学习-粒子滤波2-ImportanceSampling&SIS.MOV
机器学习-粒子滤波1-背景介绍_.MOV
目录：【机器学习白板推导系列/机器学习-卡曼滤波】
机器学习-线性动态系统3-Filtering问题求解.MOV
机器学习-线性动态系统2-Filtering问题.MOV
机器学习-线性动态系统1-背景介绍.MOV
目录：【机器学习白板推导系列/机器学习-降维】
机器学习-降维6-主成分分析（PCA）-概率角度（ProbabilisticPCA）.MOV
机器学习-降维4-最小重构代价_.MOV
机器学习-降维4-SVD角度开看PCA和PCoA.MOV
机器学习-降维3-PCA-最大投影方差.MOV
机器学习-降维2-样本均值&样本方差矩阵.MOV
机器学习-降维1.MOV
机器学习-白板推导系列-降维1.MOV
目录：【机器学习白板推导系列/机器学习-核方法】
机器学习-核方法（KernelMethod）.MOV
机器学习-核方法-正定核的两个定义.mp4
机器学习-核方法-正定核充要条件-必要性证明.mp4
?机器学习-核方法-核相关的一些定义.mp4
目录：【机器学习白板推导系列/机器学习-高斯网络】
机器学习-高斯网络（2）-高斯贝叶斯网络介绍.mp4
机器学习-高斯网络（1）.mp4
目录：【机器学习白板推导系列/机器学习-高斯混合模型】
机器学习-高斯混合模型（4）-EM求解-M-Step_.mp4
机器学习-高斯混合模型（3）-EM求解-E-Step.MOV
机器学习-高斯混合模型（2）-极大似然.mp4
机器学习-高斯混合模型（1）-模型介绍.MOV
目录：【机器学习白板推导系列/机器学习-高斯过程】
高斯过程回归-权重空间到函数空间_.mov
高斯过程回归-函数空间角度.mp4
?高斯过程回归.mov
目录：【机器学习白板推导系列/机器学习-概率图模型】
机器学习-概率图模型9-推断Inference-VariableElimationToBeliefPropagation.mp4
机器学习-概率图模型8-推断Inference-VariableElimination.MOV
机器学习-概率图模型7-推断Inference-总体介绍.MOV
机器学习-概率图模型6-MA尔可夫随机场-Representation-因子分解.MOV
机器学习-概率图模型5-MA尔可夫随机场-Representation-条件独立性.MOV
机器学习-概率图模型4-贝叶斯网络-例子-具体模型_.MOV
机器学习-概率图模型3-贝叶斯网络-D-Seperation.MOV
机器学习-概率图模型2-贝叶斯网络-条件独立性.MOV
机器学习-概率图模型12-推断Inference-Max-Product（2）.MOV
机器学习-概率图模型11-推断Inference-Max-Product（1）.MOV
机器学习-概率图模型10-推断Inference-BeliefPropagation.MOV
机器学习-概率图模型1-背景介绍.MOV
机器学习-概率图模型-概念补充-有向图转为无向图（MoralGraph）_.MOV
机器学习-概率图模型-概念补充-因子图（FactorGraph）.MOV
目录：【机器学习白板推导系列/机器学习-变分推断】
机器学习-变分推断2（公式推导）_.MOV
机器学习-变分推断1（背景介绍）.MOV
目录：【机器学习白板推导系列/机器学习-贝叶斯线性回归】
机器学习-贝叶斯线性回归（5）_.mp4
机器学习-贝叶斯线性回归（4）.mp4
机器学习-贝叶斯线性回归（3）.mp4
机器学习-贝叶斯线性回归（2）.mp4
机器学习-贝叶斯线性回归（1）.mp4
目录：【机器学习白板推导系列/机器学习-MCMC】
机器学习-MCMC4-吉布斯算法（Gibbs）.MOV
机器学习-MCMC3-MH算法（Metropolis-Hastings）_.MOV
机器学习-MCMC2-MA尔可夫链（MarkovChain）.MOV
机器学习-MCMC1（采样方法介绍）.MOV
目录：【机器学习白板推导系列/机器学习-EM算法】
机器学习-EM算法3（公式导出）_.MOV
机器学习-EM算法2（公式导出）.MOV
页:
[1]