资源简介

视频+资料+代码 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

资源截图

代码片段和文件信息

评论

共有 条评论