|
|
介绍：
第一课：机器学习与数学分析
第二课：概率论与贝叶斯先验
第三课：矩阵和线性代数
第四课：python基础
第五课：Python基础2 - 机器学习库
第六课：Python基础3 - 数据清洗和特征选择
第七课：回归
第八课：Logistic回归
第九课：回归实践
第十课：决策树和随机森林
第十一课：决策树和随机森林实践
第十二课：提升
第十三课：提升实践
第十四课：SVM
第十五课：SVM实践
第十六课：聚类（上）
第十七课：聚类（下）
第十八课：聚类实践
第十九课：EM算法
第二十课：EM算法实践
第二十一课：主题模型LDA
第二十二课：LDA实践
第二十三课：隐马尔科夫模型HMM
第二十四课：HMM实践
代码+课件
|
|
发表于 2018-12-31 17:14:19
收藏
发表于 2020-11-21 18:16:19
