V
主页
京东 11.11 红包
课程6-朴素贝叶斯的求解策略概述及高斯判别分析
发布人
-
打开封面
下载高清视频
观看高清视频
视频下载器
课程6-二分类朴素贝叶斯 MLE求解
课程6-MLE求解出现的朴素贝叶斯估计出现的两个问题
课程6-贝叶斯学习 估计模型的参数
课程6-二分类朴素贝叶斯 原理与模型
1-24-单变量-高斯分布-均值-的贝叶斯估计
1-25-线性回归模型的贝叶斯估计-part-1
课程2-使用概率建模LS(MLE MAP Baysian)
1-14-正则化与过拟合
1-28-线性回归模型的贝叶斯估计-总结
课程6-产生式 判别式模型区别
一口气学完回归算法、聚类算法、决策树、随机森林、神经网络、贝叶斯算法、支持向量机、神经网络等十二大机器学习算法!通俗易懂
1-2-什么是学习?ML=Lambda
1-16-配方法求解最小二乘法
1-4-好好学习(损失函数),天天向上(梯度上升算法)
1-27-线性回归模型的贝叶斯估计-举例说明
1-8-机器学习三要素-模型-损失-算法
课程9-EM + naive bayes 视角
课程8-EM分析两个实际例子
课程12 强化学习--基于价值的求解方法
课程9-evidence of lowerbound 视角看EM算法
课程6-贝叶斯学习 估计分布的参数
1-6-机器学习的应用
课程5-逻辑斯蒂回归的三种视角分析p2
课程11 带隐变量的无向图模型建模求解 part1
1-11-最小二乘法的应用:相机标定
1-10-最小二乘法的几何解释
1-23-什么是贝叶斯估计?
课程3 梗概
课程9-梗概
厦门大学-机器学习-研究生课程
课程3 概率角度解释线性回归
课程5-感知机模型介绍
课程2-recursive of LS
课程3 概率图模型介绍
课程8-带有隐变量的模型介绍
课程8-作业4题解
课程8-EM分析带隐变量的模型
课程5-上节课三种方案回顾
课程8-作业1题解