V
主页
8.1 集成学习
发布人
机器学习初步,西瓜书作者周志华老师亲授,4k重制版
打开封面
下载高清视频
观看高清视频
视频下载器
7.5 朴素贝叶斯分类器
7.6 拉普拉斯修正
2.1 泛化能力
7.3 贝叶斯分类器与贝叶斯学习
南京大学 周志华教授 机器学习初步 4k重制版 1.2 课程定位
7.2 生成式和判别式模型
4.6 缺失值的处理
7.4 极大似然估计
5.4 特征空间映射
2.4 评估方法
斯坦佛大学 CS229 机器学习 第一课 导论
3.2 最小二乘解
8.4 Boosting
南京大学 周志华教授 机器学习初步 4k重制版 1.1 教材
斯坦佛大学 cs229 机器学习 第十五课 主成分分析 独立成分分析
南京大学 周志华教授 机器学习初步 4k重制版 1.8 NFL定理
3.5 对率回归
5.2 对偶问题与解的特性
斯坦佛大学 cs229 机器学习 第十七课 强化学习的基本概念 值迭代算法 策略更新
4.2 信息增益划分
6.2 万有逼近能力
斯坦佛大学 cs229 机器学习 第八课 神经网络1
5.7 正则化
4.5 预剪枝与后剪枝
南京大学 周志华教授 机器学习初步 4k重制版 1.5 计算学习理论
2.3 三大问题
斯坦佛大学 cs229 机器学习 第五课 高斯判别分析 朴素贝叶斯法
南京大学 周志华教授 机器学习初步 4k重制版 1.3 机器学习
斯坦佛大学 cs229 机器学习 第二十课 基于模型的强化学习
斯坦佛大学 CS229 机器学习 第四课 指数族分布 广义线性模型
3.4 广义线性模型
斯坦佛大学 cs229 机器学习 第六课 朴素贝叶斯 拉普拉斯平滑(加1平滑)
斯坦佛大学 cs229 机器学习 第十三课 GMM (EM)/高斯混合模型(最大期望算法)
斯坦佛大学 cs229 机器学习 第七课 核函数
3.8 类别不平衡
斯坦佛大学 cs229 机器学习 第十二课 K均值聚类 高斯混合模型 最大期望算法
8.3 两类常用集成学习方法
3.1 线性回归
斯坦佛大学 cs229 机器学习 第九课 神经网络2(backprop/反向传播)
斯坦佛大学 CS229 机器学习 第三课 加权最小二乘法、Logistic回归法、牛顿法