大数据机器学习 - 影盘社-网盘资源搜索神器

• file:group.png
• file:本资源说明.pdf
• file:DPL_PYJUN
• file:播放列表.dpl
• file:banner.png
• file:(15.1)--第15讲隐马尔可夫模型.pdf
• file:pikaso.png
• file:(1.1)--概述-20190919.pdf
• file:kkzy.top.jpg
• file:(7.1)--第五章决策树.pdf
• file:(8.1)--第六章Logistic回归.pdf
• file:(2.1)--第一章统计学习及监督学习概论-2019.pdf
• file:(20.1)--第20讲深度学习优化方法.pdf
• file:[15.1.1]--开头.mp4
• file:[15.2.1]--1.隐马尔科夫模型的基本概念.mp4
• file:[15.3.1]--2.概率计算算法.srt
• file:[18.1.1]--1.神经网络的发展历程.srt
• file:[18.3.1]--3.神经网络的基本概念以及常见的神经网络(二）.srt
• file:[1.4.1]--4.机器学习和数据挖掘的关系.mp4
• file:[1.7.1]--7.大数据机器学习的主要特点.srt
• folder:大数据机器学习
• folder:{1}--课程
• folder:{15}--第十五章隐马尔可夫模型
• folder:{18}--第十八章神经网络和深度学习
• folder:{17}--第十七章概率图模型的学习与推断
• folder:{7}--第七章决策树和随机森林
• folder:{10}--第十章核方法与非线性SVM
• folder:{8}--第八章逻辑斯谛回归与最大熵模型
• folder:{19}--第十九章深度学习正则化方法
• folder:{2}--第二章机器学习基本概念
• folder:{3}--第三章模型性能评估
• folder:{6}--第六章贝叶斯分类器及图模型
• folder:{3}--2.概率计算算法
• folder:{4}--4.玻尔兹曼机
• folder:{2}--2.神经网络的基本概念以及常见的神经网络(一）
• folder:{4}--4.机器学习和数据挖掘的关系
• folder:{7}--7.大数据机器学习的主要特点
• folder:{3}--3.深度学习方法和其它人工智能方法的共性和差异
• folder:{2}--1.精确推断法：变量消去法和信念传播法
• folder:{3}--2.近似推断法：MCMC和变分推断
• folder:{3}--2.条件随机场的定义与形式
• folder:{4}--3.2原型聚类学习向量算法
• folder:{3}--2.核函数和非线性支持向量机
• folder:{2}--1.泛函基础知识
• folder:{7}--svm相关拓展资料
• folder:{5}--5.支持向量的确切定义
• folder:{1}--1.深度学习简介和架构设计
• folder:{2}--2.计算图形式的反向传播算法
• folder:{8}--8.过拟合与模型选择
• folder:{10}--10.生成模型和判别模型
• folder:{7}--7.训练误差和测试误差
• folder:{6}--6.ROC和AUC曲线
• folder:{4}--4.Adaboost的实现
• folder:{6}--5.流型学习和度量学习
• folder:{6}--6.贝叶斯网络结构学习推断
• folder:{5}--4.EM算法在高斯混合模型学习中的应用
• folder:{4}--3.EM算法的收敛性
• folder:{2}--2.神经网络优化的挑战