【跟班学】《统计方法》第九期视频加文档资料天_共:3.45GB
21007文件名称: 【跟班学】《统计方法》第九期视频加文档资料天_共:3.45GB
文件总数量: 144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: 2020-12-23 05:17:12
目录:【23【跟班学】《统计学习方法》第九期】
目录:【23【跟班学】《统计学习方法》第九期】
《统计学习方法》第九期9月12ri直播答疑.mp4
60第十五章15.5矩阵奇异值分解的应用.mp4
59第十五章15.4.1矩阵奇异值分解的酉空间表示法.mp4
58第十五章15.3矩阵奇异值分解性质与计算.mp4
57第十五章15.2矩阵奇异值分解基本定理.mp4
56第十五章15.1矩阵奇异值分解步骤.mp4
55第十四章14.3K均值聚类.mp4
54第十四章14.2.5有序样本分类法.mp4
53第十四章14.2.4确定最佳聚类数_.mp4
52第十四章14.2.3距离公式证明.mp4
51第十四章14.2.2聚合聚类距离公式介绍.mp4
50第十四章14.2.1距离与相似度.mp4
49第十四章14.1聚类的基本概念_.mp4
48第十三章无监督学习导论_.mp4
47code——隐MA尔可夫_.mp4
46code——提升方法_.mp4
45code——支持向量机.mp4
44code——EM算法及推广.mp4
43code——逻辑斯蒂回归与最大熵_.mp4
42《统计学习方法》第九期9月27ri直播答疑_.mp4
41第十一章11.3条件随机场的矩阵形式.mp4
40第十一章11.2拟牛顿法.mp4
39第十一章11.1导论.mp4
38第十章10.3维特比算法_.mp4
37第十章10.2前向算法.mp4
36第十章10.1导论_.mp4
35第九章9.2高斯混合模型.mp4
34第九章9.1导论.mp4
33第五章5.2剪枝.mp4
32第八章8.3adaboost的训练误差_.mp4
31第八章8.2前向分步算法.mp4
30第八章8.1导论.mp4
29第七章7.2存在唯一性.mp4
28第七章7.1导论.mp4
27第六章6.2改进的迭代尺度法.mp4
26第六章6.1逻辑斯蒂回归与最大熵.mp4
25第五章作业讲解-决策树.mp4
24第四章作业讲解-朴素贝叶斯.mp4
23第三章作业讲解-KNN-sklearn.mp4
22第三章作业讲解-KNN自编程.mp4
21第二章作业讲解-感知机sklearn实现_.mp4
20第二章作业讲解-感知机自编程实现.mp4
19第一章作业讲解-极大似然估计.mp4
18第一章作业讲解-贝叶斯估计.mp4
17code——决策树.mp4
16第五章5.1导论.mp4
15code——朴素贝叶斯_.mp4
14第四章4.3期望风险最小化.mp4
13第四章4.2贝叶斯估计_.mp4
12第四章4.1导论.mp4
11code——k近邻.mp4
10第三章3.2kd树.mp4
09第三章3.1导论.mp4
08code——感知机.mp4
07第二章2.3收敛性.mp4
06第二章2.2对偶形式.mp4
05第二章2.1导论.mp4
04第一章1.3梯度下降法.mp4
03第一章1.2极大似然估计.mp4
02第一章1.1导论.mp4
01统计学习方法开营仪式——DODO老师.mp4
目录:【23【跟班学】《统计学习方法》第九期/课件代码】
目录:【23【跟班学】《统计学习方法》第九期/课件代码/无监督学习部分课件】
深度之眼第22章无监督学习方法总结_.pdf
深度之眼第21章PageRank算法.pdf
深度之眼第19章MA尔科夫链蒙特卡罗法_.pdf
深度之眼第17章潜在语义分析.pdf
深度之眼第16章主成分分析.pdf
深度之眼第15章奇异值分解.pdf
深度之眼第14章聚类方法.pdf
深度之眼第13章无监督学习概论2.0.pdf
目录:【23【跟班学】《统计学习方法》第九期/课件代码/统计学习方法无监督学习文档】
目录:【23【跟班学】《统计学习方法》第九期/课件代码/【监督学习部分】自编程作业代码下载】
目录:【23【跟班学】《统计学习方法》第九期/课件代码/PDF】
改-5.2_剪枝.pdf
改-4.3_后验概率最大化.pdf
改-4.2_贝叶斯估计.pdf
改-4.1_导读.pdf
改-3.2kd树.pdf
改-3.1_导读.pdf
改-2.3_算法收敛性.pdf
改-2.2_对偶形式_.pdf
改-2.1_导读_.pdf
9.3_高斯混合模型.pdf
9.2_EM算法的导出.pdf
9.1_导论.pdf
8.3_AdaBoost的训练误差.pdf
8.2_前向分步算法.pdf
8.1_导论_.pdf
7.2_最大间隔分离超平面的存在唯一性.pdf
7.1_导论.pdf
6.2_改进的迭代尺度法.pdf
6.1_导读_.pdf
5.1_导读_.pdf
11.3_条件随机场的矩阵形式.pdf
11.2_拟牛顿法.pdf
11.1_导论.pdf
10.3_维特比算法.pdf
10.2_前向算法_.pdf
10.1_导论.pdf
1.3_梯度下降法.pdf
1.2_极大似然估计.pdf
1.1_导论.pdf
目录:【23【跟班学】《统计学习方法》第九期/课件代码/统计学习方法无监督学习文档/16】
为什么样本方差(samplevariance)的分母是n-1?-知乎.pdf
readme.txt
PCA.ipynb
PCA(1).pdf
myPCA.pdf
myPCA.ipynb
data16-4.txt
data16-1.txt
目录:【23【跟班学】《统计学习方法》第九期/课件代码/统计学习方法无监督学习文档/15】
15.docx
15.5.ipynb
15.3主成分分解.ipynb
目录:【23【跟班学】《统计学习方法》第九期/课件代码/【监督学习部分】自编程作业代码下载/Chap9EM算法】
speed_test.py
EM.py
目录:【23【跟班学】《统计学习方法》第九期/课件代码/【监督学习部分】自编程作业代码下载/chap8提升方法】
Adaboost_sk.py
Adaboost(1).py
目录:【23【跟班学】《统计学习方法》第九期/课件代码/【监督学习部分】自编程作业代码下载/Chap7支持向量机】
sk_SVM.py
exercises7_2.py
目录:【23【跟班学】《统计学习方法》第九期/课件代码/【监督学习部分】自编程作业代码下载/Chap6逻辑斯谛回归】
LogisticRegression_sklearn.py
LogisticRegression_SGD.py
LogisticRegression_府llGrad.py
目录:【23【跟班学】《统计学习方法》第九期/课件代码/【监督学习部分】自编程作业代码下载/Chap5决策树】
sk_DT.py
Decision_Tree.py
目录:【23【跟班学】《统计学习方法》第九期/课件代码/【监督学习部分】自编程作业代码下载/Chap4朴素贝叶斯自编程实现】
sk_NB.py
NaiveBayes.py
目录:【23【跟班学】《统计学习方法》第九期/课件代码/【监督学习部分】自编程作业代码下载/Chap3KNN算法】
skl_KNN.py
KNN_brute.py
draw.py
目录:【23【跟班学】《统计学习方法》第九期/课件代码/【监督学习部分】自编程作业代码下载/Chap3k近邻暴力算法优化&kd树实现】
KNN_kd_tree.py
KNN_brute_improve.py
目录:【23【跟班学】《统计学习方法》第九期/课件代码/【监督学习部分】自编程作业代码下载/Chap1Homework】
极大似然估计作业4.3.mp4
极大似然估计作业_.pptx
贝叶斯估计作业.pptx
贝叶斯估计作业4.3.mp4
目录:【23【跟班学】《统计学习方法》第九期/课件代码/【监督学习部分】自编程作业代码下载/Chap2感知机】
skl_perceptron.py
Perceptron.py
Perception.ipynb
目录:【23【跟班学】《统计学习方法》第九期/课件代码/【监督学习部分】自编程作业代码下载/Chap10隐MA尔可夫模型】
hidenMarkovmodel_exer.py
目录:【23【跟班学】《统计学习方法》第九期/课件代码/统计学习方法无监督学习文档/16/.ipynb_checkpoints】
wine-checkpoint.ipynb
record-checkpoint.ipynb
PCA-checkpoint.ipynb
myPCA-checkpoint.ipynb
data16-4-checkpoint.txt
data16-1-checkpoint.txt
4PCAandSVD-checkpoint.ipynb
1.Numpy快速上手指南---基础篇-checkpoint.ipynb
页:
[1]