声明:本网站所有内容均为资源介绍学习参考,如有侵权请联系后删除
{1}-第一章概述
{2}-第二章机器学习基本概念
{3}-第三章模型性能评估
{4}-第四章感机机
{5}-第五章聚类
{6}-第六章贝叶斯分業器及图模型
{7}-第七章夫策树和随机森林
{8}-八章逻辑斯帝回归与最大摘模型
{9}-第九章SVM
{10}-第十章核方法与非线性SVM
{11}-第十一章降维与度星学习
{12}-第十二章提升方法
{13}-第十三章EM算法及混合高斯模型
{14}-第十四章计算学习理论
{15}-第十五章隐马尔可夫模型
{16}-第十六章条件随机场
{17}-第十七章概率图模型的学习与推断
{18}-第十八章神经网络和深度学习
{19}-第十九章深度学习正则化方法
{20}-第二十章深度学习优化方法