目录
机器学习(AIZM18)
001.数学回顾1
002.数学回顾1
003.数学回顾2
004.数学回顾2
005.数学回顾3
006.数学回顾3
007.数学回顾4
008.数学回顾4
009.机器学习概述5
010.机器学习概述5
011.机器学习概述
012.机器学习概述
013.01数学重点知识回顾(循)
014.02数学重点知识
015.03数学重点知识
016.04数学重点知识
017.01模型的评估
018.02模型的评估
019.03-线性回归
020.04-线性回归
021.05-线性回归最小二乘法
022.06-线性回归最小二乘法
023.07-线性回归梯度下降
024.08-线性回归梯度下降
025.09-梯度下降和案例
026.10-梯度下降和案例
027.11-线性回归案例
028.12-线性回归案例
029.01-线性回归电流案例
030.02-岭回归和lasso回归
031.03-岭回归和lasso回归案例
032.04-岭回归和lasso回归案例
033.05-葡萄酒案例
034.06-波士顿房价案例
035.07-波士顿房价案例
036.08-逻辑回归1
037.09-逻辑回归1
038.10-逻辑回归2
039.11-逻辑回归2
040.01-逻辑回归的回顾及案例-机器学习
041.02-逻辑回归的回顾及案例-机器学习
042.04-乳腺癌案例和softmax案例
043.05-葡萄酒质量的检测
044.03-葡萄酒质量的检测
045.03-乳腺癌案例和softmax案例
046.06-葡萄酒质量的检测
047.07-K最近临1
048.08-K最近临1
049.09-K最近临2
050.10-K最近临2
051.11-K最近临案例
052.12-K最近临案例
053.01-信贷审批AI
054.02-信贷审批AI
055.03-鸢尾花数据分类
056.04-鸢尾花数据分类
057.05-决策树
058.06-决策树
059.07-决策树ID3算法
060.08-决策树ID3算法
061.09-决策树cart树
062.10-决策树cart树
063.11-决策树cart树2
064.12-决策树cart树2
065.01-决策树回顾
066.02-决策树回顾
067.03-集成学习
068.04-集成学习
069.05-随机森林-机器
070.06-随机森林案例
071.07-随机森林案例
072.08-Adaboost算法
073.09-Adaboost算法
074.10-Adaboost算法2
075.11-Adaboost算法2
076.01-Adaboost算法案例
077.02-Adaboost算法案例
078.03-GBDT算法
079.04-GBDT算法
080.05-GBDT和XGboost介绍
081.06-Xgboost算法
082.07-Xgboost算法
083.08-Xgboost算法2
084.09-Xgboost算法2
085.10-树模型算法的总结
086.11-树模型算法的总结
087.01-聚类算法Kmeans
088.02-聚类算法Kmeans
089.03-聚类算法Kmeans案例
090.04-聚类算法Kmeans案例
091.05-聚类算法K2
092.06-聚类算法K2
093.07-聚类的评估和层次聚类
094.08-聚类的评估和层次聚类
095.09-层次聚类优化算法
096.10-层次聚类优化算法
097.11-密度聚类
098.12-密度聚类
099.01-谱聚类
100.02-谱聚类的案例
101.03-谱聚类
102.04-SVM算法的介绍
103.05-SVM算法
104.06-SVM算法
105.07-SVM算法感知机模型
106.08-SVM算法感知机模型
107.09-线性可分的SVM
108.10-线性可分的SVM
109.11-SVM软间隔
110.12-SVM软间隔
111.01-SVM回顾
112.02-SVM回顾
113.03-SVM鸢尾花案例
114.04-SVM鸢尾花案例
115.05-SVM案例A
116.06-oneclasssvc和SMO
117.07-oneclasssvc和SMO
118.08-SMO算法
119.09-SMO算法
120.10-SMO和SVR
121.11-SMO和SVR
122.01-朴素贝叶斯
123.02-朴素贝叶斯
124.03-朴素贝叶斯案例
125.04-朴素贝叶斯案例
126.05-贝叶斯网络
127.06-贝叶斯网络
128.07-EM算法
129.08-EM算法
130.09-EM算法2
131.10-EM算法2
132.11-EM算法3
133.12-EM算法3
134.01-GMM高斯混合算法
135.02-GMM高斯混合算法
136.03-GMM高斯混合算法2
137.04-GMM高斯混合算法2
138.05-GMM高斯混合算法
139.06-HMM算法
140.07-HMM算法三个问题
141.08-HMM算法三个问题
142.09-HMM算法概率问题前向算法
143.10-HMM算法概率问题前向算法
144.11-HMM算法前向算法案例
145.12-HMM算法前向算法案例
146.01-机器学习晚自习答疑
147.02-机器学习晚自习答疑
148.01-HMM概率问题
149.02-HMM概率问题
150.03-HMM学习问题
151.04-HMM学习问题
152.05-HMM预测问题
153.06-HMM预测问题
154.07-HMM预测问题案例
155.08-HMM预测问题案例
156.09-HMM预测问题案例
157.10-主题模型
158.11-主题模型LSA
159.12-主题模型LSA
160.01-主题模型NMF
161.02-主题模型NMF
162.03-主题模型LDA
163.04-主题模型LDA
164.05-主题模型LDA
165.06-主题模型LDA
166.07-特征工程1
167.08-特征工程1
168.09-特征工程2
169.10-特征工程2
170.11-特征工程3
171.12-特征工程3
172.02-机器学习循环课复习
173.03-机器学习循环课复习
174.05-学习循环课复习
175.06-学习循环课复习
176.01-机器学习特征工程4
177.02-机器学习特征工程4
178.03-机器学习特征工程5
179.04-机器学习特征工程5
180.05-机器学习特征工程6
181.06-机器学习特征工程6
182.07-机器学习特征工程之降维
183.08-机器学习特征工程之降维
184.09-机器学习特征工程之降维
185.10-机器学习特征工程之降维
186.11-机器学习之多分类
187.12-机器学习之多分类
188.01-垃圾邮件的过滤
189.02-垃圾邮件的过滤
190.03-垃圾邮件的过滤2A
191.04-垃圾邮件的过滤2A
192.05-垃圾邮件的过滤3A
193.06-垃圾邮件的过滤3A
194.07-垃圾邮件的过滤4
195.08-垃圾邮件的过滤4
196.09-金融反欺诈
197.10-金融反欺诈
198.11-机器学习回顾
199.12-机器学习回顾