文档详情 ID: clwu3g1300lccomqwh9ymmv1c 后台管理 大数据机器学习 - 爱搜-网盘资源搜索-一站式网盘资源搜索，阿里夸克百度迅雷UC全聚合 file:播放列表.dpl file:DPL_PYJUN file:(19.1)--第19讲深度学习正则化方法.pdf file:(4.1)--第二章感知机.pdf file:(2.1)--第一章统计学习及监督学习概论-2019.pdf file:(8.1)--第六章Logistic回归.pdf file:(1.1)--概述-20190919.pdf file:[9.4.1]--4.凸优化问题的基本概念.mp4 file:[9.5.1]--5.支持向量的确切定义.srt file:[9.3.1]--3.线性可分支持向量机.mp4 file:[17.3.1]--2.近似推断法：MCMC和变分推断.mp4 file:[17.1.1]--开头.mp4 file:[17.2.1]--1.精确推断法：变量消去法和信念传播法.srt file:[10.4.1]--3.序列最小最优化算法.srt file:[19.3.1]--3.深度学习的正则化方法（一）.mp4 file:[19.1.1]--1.深度学习简介和架构设计.srt file:[19.2.1]--2.计算图形式的反向传播算法.mp4 folder:大数据机器学习 folder:{1}--课程 folder:{17}--第十七章概率图模型的学习与推断 folder:{10}--第十章核方法与非线性SVM 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:{13}--第十三章EM算法及混合高斯模型 folder:{6}--第六章贝叶斯分类器及图模型 folder:{3}--第三章模型性能评估 folder:{16}--第十六章条件随机场 folder:{18}--第十八章神经网络和深度学习 folder:{8}--第八章逻辑斯谛回归与最大熵模型 folder:{7}--第七章决策树和随机森林 folder:{5}--5.支持向量的确切定义 folder:{3}--3.线性可分支持向量机 folder:{7}--svm相关拓展资料 folder:{2}--2.SVM简介 folder:{4}--3.序列最小最优化算法 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:{6}--5.流型学习和度量学习 folder:{5}--4.核化线性降维 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:{5}--4.EM算法在高斯混合模型学习中的应用 folder:{5}--3.3原型聚类密度聚类 folder:{2}--1.计算学习理论的基础知识 folder:{3}--2.概率近似正确学习理论 folder:{6}--6.贝叶斯网络结构学习推断 folder:{6}--6.ROC和AUC曲线 folder:{6}--5.条件随机场的预测算法 folder:{3}--3.神经网络的基本概念以及常见的神经网络(二） folder:{4}--4.机器学习和数据挖掘的关系 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:{7}--7.大数据机器学习的主要特点 folder:{4}--4.Adaboost的实现 分享时间 2024-05-31 入库时间 2024-05-31 资源类型 夸克网盘 分享用户 3号*搜 扫码获取资源 问题反馈 链接失效、内容异常、密码错误等问题都可以快速提交。 选择举报类型 复制链接 进入网盘 分享资源
