最新机器学习40讲

目录
├─开篇词 _ 打通修炼机器学习的任督二脉
├─频率视角下的机器学习
├─贝叶斯视角下的机器学习
├─学什么与怎么学
├─计算学习理论
├─模型的分类方式
├─模型的设计准则
├─模型的验证方法
├─模型的评估指标
├─实验设计
├─特征预处理
├─基础线性回归:一元与多元
├─正则化处理:收缩方法与边际化
├─线性降维:主成分的使用
├─非线性降维:流形学习
├─从回归到分类:联系函数与降维
├─建模非正态分布:广义线性模型
├─几何角度看分类:支持向量机
├─从全局到局部:核技巧
├─非参数化的局部模型:K近邻
├─基于距离的学习:聚类与度量学习
├─基函数扩展:属性的非线性化
├─自适应的基函数:神经网络
├─层次化的神经网络:深度学习
├─深度编解码:表示学习
├─基于特征的区域划分:树模型
├─集成化处理:Boosting与Bagging
├─万能模型:梯度提升与随机森林
├─总结课 _ 机器学习的模型体系
├─最简单的概率图:朴素贝叶斯
├─有向图模型:贝叶斯网络
├─无向图模型:马尔可夫随机场
├─建模连续分布:高斯网络
├─从有限到无限:高斯过程
├─序列化建模:隐马尔可夫模型
├─连续序列化模型:线性动态系统
├─精确推断:变量消除及其拓展
├─确定近似推断:变分贝叶斯
├─随机近似推断:MCMC
├─完备数据下的参数学习:有向图与无向图
├─隐变量下的参数学习:EM方法与混合模型
├─结构学习:基于约束与基于评分
├─总结课 _ 贝叶斯学习的模型体系
├─结课 _ 终有一天,你将为今天的付出骄傲

1. 本站资源收集于网络或网友投稿,若侵犯了您的合法权益,请联系我们删除!
2. 如有链接无法下载、失效或广告,请联系管理员处理!
3. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!
4. 如用于商业或者非法用途,与本站无关,一切后果请用户自负!

极锋网 » 最新机器学习40讲

发表评论

  • 1035资源数(个)
  • 0本周更新(个)
  • 0 今日更新(个)
  • 593稳定运行(天)

加入VIP获取全站资源