目录：/74 小X学院 – 机器学习算法精讲（价值799元）
资料
10、核方法.pdf
lle.pdf
Logistic Regression.zip
Note_1_MachineLearningIntro.pdf
2、机器学习的数学基础.pdf
3、机器学习的哲学.pdf
4、机器学习的数学基础.pdf
5、经典机器学习模型.pdf
6、经典机器学习模型.pdf
7.2、Guo-PRICAI.pdf
7、经典机器学习模型.pdf
8、线性模型.pdf
Note_13_MaxMargin.pdf
12、统计学习.pdf
16、无监督学习.pdf
11、核方法.pdf
Note_14_Kernel.pdf
Note_15_GeoIntMaxMargin.pdf
Note_16_ EM.pdf
Note_17_Locally Linear Embedding.pdf
Note_2_Geometric Interpretation of Determinant.pdf
Note_3_LNorm.pdf
Note_4-GradientDescent.pdf
Note_5_NaiveBayes.pdf
Note_7_EnsembleLearning.pdf
Note_9_OLS.pdf
Note11_Lagrange.pdf
Note12_Lagrange2.pdf
probability ( MIT Bertsekas).pdf
probability ( MIT Bertsekas)(1).pdf
RandomForest.zip
第五课_代码.zip
01.机器学习中的数学基础.mp4
02.机器学习的数学基础.mp4
03.机器学习中的哲学.mp4
04.机器学习中的数学基础.mp4
05.经典机器学习模型.mp4
06.经典机器学习模型.mp4
07.经典机器学习模型.mp4
08.线性模型.mp4
09.线性模型.mp4
10.核方法.mp4
11.核方法.mp4
12.统计学习.mp4
13.统计学习.mp4
14.统计学习.mp4
15.统计学习.mp4
16.无监督学习.mp4
17.流形学习.mp4
18.概念学习.mp4
19.神经网络.mp4
20.强化学习.mp4
评论0