机器学习40讲-含概率图模型、统计机器学习模型等_508.45MB

多种网盘链接检测插件

购买前，请先检测网盘链接是否有效

您当前无权限查看，请先登录，或点此注册！

• 1.百度网盘链接，查看是否有效

VIP低至28元三个月，无套路，VIP期间免费下载资源。

                       

1680217726762

文件名称：	机器学习40讲-含概率图模型、统计机器学习模型等炔_共：508.45MB
文件总数量：	132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：	2023-03-03 05:48:46

目录：【01-开篇词(1讲)】
    00丨开篇词丨打通修炼机器学习的任督二脉.mp3　[3.35MB]
    00丨开篇词丨打通修炼机器学习的任督二脉.html　[1.04MB]
    00丨开篇词丨打通修炼机器学习的任督二脉.pdf　[1.36MB]

目录：【04-概率图模型(14讲)】
    35丨精确推断：变量消除及其拓展.mp3　[9.74MB]
    37丨随机近似推断：MCMC.pdf　[2.04MB]
    总结课丨贝叶斯学习的模型体系.html　[1.00MB]
    33丨序列化建模：隐Ma尔可夫模型.mp3　[7.12MB]
    37丨随机近似推断：MCMC.mp3　[7.77MB]
    38丨完备数据下的参数学习：有向图与无向图.html　[1.46MB]
    29丨有向图模型：贝叶斯网络.mp3　[7.84MB]
    33丨序列化建模：隐Ma尔可夫模型.html　[1.49MB]
    31丨建模连续分布：高斯网络.pdf　[1.58MB]
    30丨无向图模型：Ma尔可夫随机场.pdf　[2.28MB]
    39丨隐变量下的参数学习：EM方法与混合模型.html　[2.36MB]
    36丨确定近似推断：变分贝叶斯.pdf　[1.73MB]
    34丨连续序列化模型：线X动态系统.html　[1.44MB]
    40丨结构学习：基于约束与基于评分.pdf　[1.78MB]
    30丨无向图模型：Ma尔可夫随机场.html　[1.95MB]
    39丨隐变量下的参数学习：EM方法与混合模型.pdf　[2.35MB]
    30丨无向图模型：Ma尔可夫随机场.mp3　[7.67MB]
    33丨序列化建模：隐Ma尔可夫模型.pdf　[1.87MB]
    31丨建模连续分布：高斯网络.mp3　[6.77MB]
    39丨隐变量下的参数学习：EM方法与混合模型.mp3　[7.42MB]
    37丨随机近似推断：MCMC.html　[2.41MB]
    29丨有向图模型：贝叶斯网络.pdf　[1.91MB]
    29丨有向图模型：贝叶斯网络.html　[1.50MB]
    28丨最简单的概率图：朴素贝叶斯.pdf　[2.11MB]
    34丨连续序列化模型：线X动态系统.mp3　[6.91MB]
    28丨最简单的概率图：朴素贝叶斯.mp3　[8.12MB]
    31丨建模连续分布：高斯网络.html　[1.69MB]
    32丨从有限到无限：高斯过程.pdf　[1.97MB]
    35丨精确推断：变量消除及其拓展.pdf　[1.86MB]
    32丨从有限到无限：高斯过程.mp3　[7.11MB]
    40丨结构学习：基于约束与基于评分.html　[1.30MB]
    35丨精确推断：变量消除及其拓展.html　[2.08MB]
    总结课丨贝叶斯学习的模型体系.pdf　[1.39MB]
    32丨从有限到无限：高斯过程.html　[1.92MB]
    34丨连续序列化模型：线X动态系统.pdf　[1.84MB]
    总结课丨贝叶斯学习的模型体系.mp3　[3.73MB]
    36丨确定近似推断：变分贝叶斯.html　[1.83MB]
    38丨完备数据下的参数学习：有向图与无向图.mp3　[6.45MB]
    40丨结构学习：基于约束与基于评分.mp3　[6.31MB]
    28丨最简单的概率图：朴素贝叶斯.html　[1.60MB]
    38丨完备数据下的参数学习：有向图与无向图.pdf　[1.94MB]
    36丨确定近似推断：变分贝叶斯.mp3　[6.91MB]

目录：【02-机器学习概观(10讲)】
    03丨学什么与怎么学.pdf　[2.39MB]
    02丨贝叶斯视角下的机器学习.mp3　[7.88MB]
    05丨模型的分类方式.mp3　[8.38MB]
    09丨实验设计.pdf　[2.07MB]
    09丨实验设计.html　[1.66MB]
    04丨计算学习理论.mp3　[8.55MB]
    08丨模型的评估指标.mp3　[8.19MB]
    03丨学什么与怎么学.mp3　[6.80MB]
    01丨频率视角下的机器学习.mp3　[8.35MB]
    03丨学什么与怎么学.html　[1.74MB]
    01丨频率视角下的机器学习.html　[1.69MB]
    08丨模型的评估指标.pdf　[1.83MB]
    06丨模型的设计准则.pdf　[1.79MB]
    08丨模型的评估指标.html　[311.16KB]
    01丨频率视角下的机器学习.pdf　[2.21MB]
    05丨模型的分类方式.html　[1.34MB]
    04丨计算学习理论.html　[1.55MB]
    07丨模型的验证方法.pdf　[1.92MB]
    06丨模型的设计准则.html　[1.22MB]
    04丨计算学习理论.pdf　[1.75MB]
    06丨模型的设计准则.mp3　[8.02MB]
    09丨实验设计.mp3　[5.79MB]
    07丨模型的验证方法.html　[1.46MB]
    10丨特征预处理.mp3　[7.95MB]
    10丨特征预处理.pdf　[2.40MB]
    07丨模型的验证方法.mp3　[9.06MB]
    05丨模型的分类方式.pdf　[1.93MB]
    02丨贝叶斯视角下的机器学习.pdf　[2.12MB]
    10丨特征预处理.html　[1.84MB]
    02丨贝叶斯视角下的机器学习.html　[1.55MB]

目录：【05-结束语(1讲)】
    结课丨终有一天，你将为今天的付出骄傲.pdf　[1.04MB]
    结课丨终有一天，你将为今天的付出骄傲.html　[911.66KB]
    结课丨终有一天，你将为今天的付出骄傲.mp3　[2.39MB]

目录：【03-统计机器学习模型(18讲)】
    16丨建模非正态分布：广义线X模型.mp3　[8.56MB]
    14丨非线X降维：流形学习.html　[5.95MB]
    14丨非线X降维：流形学习.pdf　[7.97MB]
    11丨基础线X回归：一元与多元.pdf　[2.93MB]
    13丨线X降维：主成分的使用.html　[2.19MB]
    27丨万能模型：梯度提升与随机森林.pdf　[2.17MB]
    22丨自适应的基函数：神经网络.pdf　[1.99MB]
    13丨线X降维：主成分的使用.mp3　[9.76MB]
    15丨从回归到分类：联系函数与降维.pdf　[2.37MB]
    25丨基于特征的区域划分：树模型.html　[1.91MB]
    12丨正则化处理：收缩方法与边际化.pdf　[1.78MB]
    21丨基函数扩展：属X的非线X化.pdf　[1.99MB]
    21丨基函数扩展：属X的非线X化.mp3　[8.20MB]
    20丨基于距离的学习：聚类与度量学习.pdf　[2.60MB]
    19丨非参数化的局部模型：K近邻.html　[1.82MB]
    17丨几何角度看分类：支持向量机.mp3　[8.33MB]
    24丨深度编解码：表示学习.mp3　[7.35MB]
    27丨万能模型：梯度提升与随机森林.html　[1.64MB]
    25丨基于特征的区域划分：树模型.pdf　[2.53MB]
    总结课丨机器学习的模型体系.html　[955.18KB]
    23丨层次化的神经网络：深度学习.html　[2.13MB]
    20丨基于距离的学习：聚类与度量学习.html　[2.19MB]