• 讲师平台
    • 我的学习
    • 消息

    机器学习入门之机器学习理论入门-

    共44节611人学习丁进 课程详情 领证书

    • 监督学习与非监督学习简介

      • 机器学习基本概念
      • 监督学习简介
      • 非监督学习简介
      • 常见算法简介

    • 经典监督学习算法-决策树

      • 决策树总体概览
      • 信息论-信息熵
      • 信息论-交叉熵与KL散度
      • 属性选择的依据
      • 剪枝操作
      • 决策树的拓展
      • 编程实现（Python）

    • 经典监督学习算法-回归算法

      • 一元线性回归
      • 均方误差
      • 多元线性回归
      • 广义线性模型
      • 偏倚方差两难选择
      • 编程实现（Python）

    • 经典非监督学习算法-Kmeans聚类

      • 混合模型
      • 度量距离的几种方法
      • 评价聚类效果的几种方法
      • Kmeans算法
      • 编程实现（Python）
      • 实际应用（图像压缩）

    • 经典非监督学习算法-期望最大算法（EM算法）

      • 极大似然估计
      • 问题引入
      • E步与M步
      • EM算法与Kmeans的关系

    • 生成模型

      • 概率论基础快速回顾
      • 条件概率与分类
      • 判别式函数
      • 极大似然估计快速回顾
      • 多元数据的数字特征
      • 多元分类
      • 多元正态分布

    • 判别式模型

      • 判别式模型与生成模型的区别
      • 线性判别式
      • 逻辑斯蒂判别式
      • 从二分类到多分类（softmax）
      • 编程实现（Python）

    • 模型分类总结

      • 课程总结

    • 正则化概述

      • 模型过拟合问题
      • 正则化方法简介
      • 正则化方法的常见应用
      • 深度学习中的正则化方法
    0/1024
    暂无留言

      订阅失败

      机器学习入门之机器学习理论入门
      机器学习入门之机器学习理论入门 ...

      订阅列表已满，请先移出部分订阅内容。

      当前章节需购买后观看
      开通超级会员免费看！专家精选系列课程，满足你从入门到精通！更有问答月卡免费送，你的问题有问必答！

      购买课程

      扫码完成付费，可继续学习全部课程内容

      加载中...
      正在试验
      后自动删除环境
      课程实验
      本次实验时间已到期 00:00:00
      程序员研修院 v1.1.0
      一、播放器优化
      修改播放器默认倍速设置，增加1.25倍速
      调整目录展示形式，增加折叠/展开
      优化播放器的使用体验，有播放问题可以点击播放页内的”反馈“提交问题
      查看全部版本记录
      课件正在飞速打包中，请耐心等待几秒钟～