目录
机器学习(AIZM20)
001.数学基础
002.数学基础
003.数学基础
004.数学基础
005.数学基础
006.数学基础
007.数学基础
008.数学基础
009.机器学习概念
010.机器学习概念
011.机器学习概念
012.机器学习概念
013.机器学习概念
014.机器学习概念
015.机器学习概念
016.机器学习概念
017.回归算法
018.回归算法
019.回归算法
020.回归算法
021.回归算法
022.回归算法
023.回归算法
024.回归算法
025.回归算法
026.回归算法
027.回归算法
028.回归算法
029.回归算法
030.回归算法
031.回归算法
032.回归算法晚自习
033.KNN原理
034.决策树原理_熵
035.KNN_demo
036.决策树_ID3
037.决策树_demo
038.决策树_剪枝
039.决策树晚自习
040.集成学习_随机森林
041.集成学习_随机森林
042.集成学习_随机森林demo
043.集成学习_Adaboost
044.集成学习_AdaBoost
045.集成学习_AdaBoostDemo
046.集成学习_晚自习
047.XGBoost_原理
048.XGBoost_原理
049.XGBoost_demo
050.集成学习_决策树比较
051.集成学习_GBDT原理
052.集成学习_GBDT原理
053.多标签分类_分类方式
054.聚簇_KMeans
055.聚簇_KMeans
056.聚簇_指标
057.聚簇_层次聚类
058.聚簇_密度聚类
059.聚簇_晚自习
060.聚簇_晚自习
061.SVM_拉格朗日乘子
062.SVM_KKT
063.SVM_线性可分
064.SVM_软间隔
065.SVM_核函数
066.SVM_SVR
067.SVM_SMO
068.SVM_Demo
069.SVM_SVRDemo
070.多标签分类
071.多标签分类_Demo
072.聚簇_Demo
073.SVM_晚自习
074.SVM_晚自习
075.贝叶斯_概率题
076.朴素贝叶斯
077.贝叶斯网络
078.贝叶斯_demo
079.EM_基础回顾
080.EM算法原理
081.EM算法案例
082.EM收敛证明
083.EM算法GMM
084.EM算法_demo
085.主题模型
086.主题模型_demo
087.晚自习
088.EM算法_晚自习
089.hmm_马尔可夫链
090.hmm_模型定义
091.hmm_前向算法
092.hmm_后向算法
093.hmm_监督学习
094.hmm_BaumWelch
095.hmm_动态规划
096.hmm_Viterbi
097.hmm_路径跟踪
098.hmm_demo
099.特征工程_数据清洗
101.hmm_晚自习
101.特征工程_PCA
102.特征工程_jieba_demo
103.特征工程_缺省值填充
104.特征工程_特征选择
105.面试题
106.机器学习工作内容
106.特征工程_不平衡类
107.hmm_晚自习