Ι 课程介绍
* 课程时间：2023年完结（会员免费包更新）
* 课程包括：视频+课程资料
* 课程售价：¥16.9元（会员&永久会员免费）
* 课程目录：如下
├第一章 1.1 导论_ev.mp4 91.31M
├第一章 1.2 极大似然估计_ev.mp4 28.29M
├第一章 1.3 梯度下降法_ev.mp4 21.36M
├第一章作业讲解-极大似然估计_ev.mp4 12.32M
├第二章 2.1 导论_ev.mp4 77.53M
├第二章 2.2 对偶形式_ev.mp4 29.42M
├第二章 2.3 收敛性_ev.mp4 33.19M
├code——感知机_ev.mp4 70.56M
├第二章作业讲解-感知机自编程实现_ev.mp4 22.65M
├第二章作业讲解-感知机sklearn实现_ev.mp4 27.18M
├第三章 3.1 导论_ev.mp4 37.39M
├第三章 3.2 kd树_ev.mp4 51.45M
├code——k近邻_ev.mp4 68.79M
├第三章作业讲解-KNN 自编程_ev.mp4 15.92M
├第三章作业讲解-KNN-sklearn_ev.mp4 21.24M
├第四章 4.1 导论_ev.mp4 62.60M
├第四章 4.2 贝叶斯估计_ev.mp4 10.61M
├第四章 4.3 期望风险最小化_ev.mp4 19.32M
├code——朴素贝叶斯_ev.mp4 86.99M
├第四章作业讲解-贝叶斯估计_ev.mp4 12.96M
├第四章作业讲解-朴素贝叶斯_ev.mp4 42.83M
├第五章 5.1 导论_ev.mp4 90.79M
├第五章 5.2 剪枝_ev.mp4 41.98M
├code——决策树_ev.mp4 82.76M
├第五章作业讲解-决策树_ev.mp4 29.82M
├第六章 6.1 逻辑斯蒂回归与最大熵_ev.mp4 67.77M
├第六章 6.2 改进的迭代尺度法_ev.mp4 49.13M
├第六章作业讲解-逻辑斯谛回归_ev.mp4 44.27M
├code——逻辑斯蒂回归与最大熵_ev.mp4 110.70M
├第七章 7.1 导论_ev.mp4 158.29M
├第七章 7.2 存在唯一性_ev.mp4 40.44M
├第七章作业讲解-支持向量机习题7.1_ev.mp4 46.12M
├第七章作业讲解-支持向量机 sklearn习题7.2_ev.mp4 22.60M
├第七章作业讲解-支持向量机习题7.3_ev.mp4 14.11M
├code——支持向量机_ev.mp4 106.42M
├第八章 8.1 导论_ev.mp4 85.68M
├第八章 8.2 前向分步算法_ev.mp4 38.75M
├第八章 8.3 adaboost的训练误差_ev.mp4 61.56M
├第八章作业讲解-提升方法_ev.mp4 34.18M
├code——提升方法_ev.mp4 108.73M
├第九章 9.1 导论.mp4 82.86M
├第九章 9.2 高斯混合模型.mp4 73.33M
├第九章作业讲解-EM算法.mp4 70.61M
├code——EM算法及推广.mp4 126.74M
├第十章 10.1 导论.mp4 93.29M
├第十章 10.2 前向算法.mp4 38.91M
├第十章 10.3 维特比算法.mp4 28.79M
├第十章作业讲解-隐马尔可夫模型.mp4 65.76M
├code——隐马尔可夫.mp4 185.86M
├第十一章 11.1 导论.mp4 56.54M
├第十一章 11.2 拟牛顿法.mp4 24.54M
├第十一章 11.3 条件随机场的矩阵形式.mp4 22.89M
├第十一章作业讲解-条件随机场.mp4 27.93M
├第十三章无监督学习导论.mp4 42.49M
├第十四章14.1聚类的基本概念.mp4 71.62M
├第十四章14.2.1距离与相似度.mp4 48.17M
├第十四章14.2.2聚合聚类 距离公式介绍.mp4 39.42M
├第十四章14.2.3距离公式证明.mp4 74.01M
├第十四章14.2.4确定最佳聚类数.mp4 36.20M
├第十四章14.2.5有序样本分类法.mp4 41.30M
├第十四章14.3K均值聚类.mp4 34.79M
├第十四章14.1作业讲解- K-Means算法和高斯混合模型的比较.mp4 64.17M
├第十四章14.2作业讲解- 14.2 有关类的定义推导.mp4 32.03M
├第十四章14.3作业讲解- 离差平方和距离推导公式证明.mp4 37.40M
├第十四章14.3作业讲解-重心距离推导公式证明.mp4 25.50M
├第十四章14.3作业讲解-重心距离推导公式证明_2023-03-29_12-50-10.mp4 58.93M
├第十五章15.1矩阵奇异值分解步骤.mp4 29.41M
├第十五章15.2矩阵奇异值分解基本定理.mp4 25.66M
├第十五章15.3矩阵奇异值分解性质与计算.mp4 28.99M
├第十五章15.4.1矩阵奇异值分解的酉空间表示法.mp4 42.84M
├第十五章15.5矩阵奇异值分解的应用.mp4 29.82M
├第十五章作业讲解- 奇异值分解01.mp4 70.23M
├第十五章作业讲解- 奇异值分解02.mp4 72.34M
├第十六章16.1主成分分析介绍.mp4 37.58M
├第十六章16.2主成分分析基本定理.mp4 33.98M
├第十六章16.3主成分的性质与选择.mp4 22.98M
├第十六章16.4主成分的特征.mp4 28.24M
├第十六章16.5牛顿迭代与梯度下降法.mp4 44.15M
├第十六章16.6拟牛顿迭代法.mp4 283.11M
├第十六章16.1作业讲解- 样本主成分分析.mp4 81.80M
├第十六章16.2 作业讲解-样本方差无偏估计的理解.mp4 54.22M
├第十六章16.3作业讲解- 求第一主成分.mp4 26.20M
├第十七章17.1LSA导入.mp4 25.14M
├第十七章17.2LSA算法实现.mp4 15.74M
├第十七章17.3非负矩阵分解算法.mp4 20.83M
├第十七章17.4LSA案例分析与编程实现.mp4 30.52M
├第十七章 作业讲解.mp4 20.10M
├第十八章18.1PLSA生成模型.mp4 29.50M
├第十八章18.1PLSA生成模型_2023-03-29_13-01-15.mp4 36.13M
├第十八章18.1PLSA生成模型_2023-03-29_14-15-25.mp4 36.13M
├第十八章18.2PLSA共现模型.mp4 17.15M
├第十八章18.3PLSA模型算法实现.mp4 31.67M
├第十八章18.4PLSA模型EM算法详解.mp4 25.34M
├第十八章 作业讲解.mp4 22.05M
├第十九章19.1蒙特卡罗法引入.mp4 23.34M
├第十九章19.2马尔科夫链的定义与性质.mp4 42.10M
├第十九章19.3连续状态马尔科夫链.mp4 55.00M
├第十九章19.4Metropolis-Hastings算法与吉布斯抽样算法.mp4 68.10M
├第十九章 作业讲解.mp4 29.33M
├第二十章20.1LDA分布、模型与Gibbs抽样算法.mp4 86.77M
├第二十章20.2LDA的变分EM算法.mp4 75.43M
├第二十章 作业讲解.mp4 38.78M
├第二十一章21.1PageRank算法的定义与幂法计算.mp4 52.00M
├第二十一章 作业讲解.mp4 16.05M
├第二十二章 22无监督学习方法总结.mp4 10.10M
└──李航《统计学习方法训练营》.zip 624.00M
