下载  >  人工智能  >  机器学习  > 机器学习实践 高清中文版

机器学习实践 高清中文版 评分

网络上流传的都是扫描版本,非常不清晰,对眼睛伤害严重,本文档为中文版高清,无水印,如果有问题,可以QQ联系索取本人原版

...展开详情
所需积分/C币:8 上传时间:2018-06-15 资源大小:16.61MB
举报 举报 收藏 收藏
分享 分享
机器学习实战(中文版).pdf

机器学习实战,中文版. 根据实例来学习

立即下载
机器学习实战(中文版+英文版+源代码)

机器学习实战(Machine Learning in Action)(中文版+英文版+源代码)

立即下载
周志华-机器学习高清完整中文版

周志华-机器学习高清完整中文版 人工智能技术大合集:下载链接:https://pan.baidu.com/s/1lGWvCPRXULJdPJxPJex9fA 提取码:1e3f

立即下载
机器学习实战

第一部分 分类 第1 章 机器学习基础 .................................... 2 1.1 何谓机器学习 ........................................... 3 1.1.1 传感器和海量数据 ........................ 4 1.1.2 机器学习非常重要 ........................ 5 1.2 关键术语 ................................................... 5 1.3 机器学习的主要任务 .......................

立即下载
机器学习实战-高清完整中文版

链接:https://pan.baidu.com/s/1lS4W-uKH7goutGe7KnBB7A 提取码:cbdu

立即下载
《机器学习实战》 中文版 PDF

《机器学习实战》 中文版 PDF

立即下载
机器学习实践 pdf 高清完整版

本书第一部分主要介绍机器学习基础,以及如何利用算法进行分类,并逐步介绍了多种经典的监督学习算法,如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树(CART)算法等。第三部分则重点介绍无监督学习及其一些主要算法:k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。机器学习是人工智能研究领域中一个极其重要的研究方向,在现今的大数据时代背景下,捕获数据并从中萃取有价值的信息或模式,成为各行业求生存、谋发展的决定性手段,这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所

立即下载
吴恩达机器学习

吴恩达机器学习 总结。。。。。。。。。。。。。。。。。。

立即下载
《机器学习》

《机器学习》展示了机器学习中核心的算法和理论,并阐明了算法的运行过程。《机器学习》综合了许多的研究成果,例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等,并以此来理解问题的背景、算法和其中的隐含假定。《机器学习》可作为计算机专业 本科生、研究生教材,也可作为相关领域研究人员、教师的参考书。

立即下载
吴恩达机器学习作业(完整版!!亲自做过!)

吴恩达2014机器学习课程对应全部作业,内有详细代码以及题目说明文档!!代码清晰,亲自做过无任何问题!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

立即下载
机器学习视频

该文件包含的是目前最常用机器学习算法,适合机器学习感兴趣的人学

立即下载
机器学习第二版

本书讨论了机器学习在统计学、模式识别、神经网络、信号处理等不同领域的应用。

立即下载
机器学习经典书籍

包含三本机器学习经典书籍: 1.Foundations_of_Machine_Learning 2.Pattern Recognition and Machine Learning(中英) 3.Kernel Methods and Machine Learning

立即下载
机器学习(周志华)

《机器学习》是一本面向中文读者的机器学习教科书, 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识.然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究生,以及具有类似背景的对机器学习感兴趣的人士. 为方便读者, 本书附录给出了一些相关数学基础知识简介.

立即下载
机器学习周志华pdf

全书共16 章,大致分为3 个部分:第1 部分(第1~3 章)介绍机器学习的基础知识;第2 部分(第4~10 章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习);第3 部分(第11~16 章)为进阶知识,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等.前3章之外的后续各章均相对独立, 读者可根据自己的兴趣和时间情况选择使用. 根据课时情况, 一个学期的本科生课程可考虑讲授前9章或前10章; 研究生课程则不妨使用全书.

立即下载