李航《统计学习方法》训练营（含无监督学习部分）

课程详情

课程目录

01 1月30日 直播分享 - 视频暂时无法播放.txt
02 【严正声明】盗版必究！.html
03 【招募】如何获得深度之眼奖学金和助学金？.html
04 【必看】训练营学习指南.html
05 【资料合集】课件及作业代码合集.html
06 第一章 1.1 导论.mp4
07 第一章 1.2 极大似然估计.mp4
08 第一章 1.3 梯度下降法.mp4
09 第一章作业讲解-极大似然估计.mp4
10 第二章 2.1 导论.mp4
11 第二章 2.2 对偶形式.mp4
12 第二章 2.3 收敛性.mp4
13 code——感知机.mp4
14 第二章作业讲解-感知机自编程实现.mp4
15 第二章作业讲解-感知机sklearn实现.mp4
16 第三章 3.1 导论.mp4
17 第三章 3.2 kd树.mp4
18 code——k近邻.mp4
19 第三章作业讲解-KNN 自编程.mp4
20 第三章作业讲解-KNN-sklearn.mp4
21 第四章 4.1 导论.mp4
22 第四章 4.2 贝叶斯估计.mp4
23 第四章 4.3 期望风险最小化.mp4
24 code——朴素贝叶斯.mp4
25 第四章作业讲解-贝叶斯估计.mp4
26 第四章作业讲解-朴素贝叶斯.mp4
27 第五章 5.1 导论.mp4
28 第五章 5.2 剪枝.mp4
29 code——决策树.mp4
30 第五章作业讲解-决策树.mp4
31 第六章 6.1 逻辑斯蒂回归与最大熵.mp4
32 第六章 6.2 改进的迭代尺度法.mp4
33 第六章作业讲解-逻辑斯谛回归.mp4
34 code——逻辑斯蒂回归与最大熵.mp4
35 第七章 7.1 导论.mp4
36 第七章 7.2 存在唯一性.mp4
37 第七章作业讲解-支持向量机习题7.1.mp4
38 第七章作业讲解-支持向量机 sklearn习题7.2.mp4
39 第七章作业讲解-支持向量机习题7.3.mp4
40 code——EM算法及推广.mp4
41 第八章 8.1 导论.mp4
42 第八章 8.2 前向分步算法.mp4
43 第八章 8.3 adaboost的训练误差.mp4
44 第八章作业讲解-提升方法.mp4
45 code——支持向量机.mp4
46 第九章 9.1 导论.mp4
47 第九章 9.2 高斯混合模型.mp4
48 第九章作业讲解-EM算法.mp4
49 code——提升方法.mp4
50 第十章 10.1 导论.mp4
51 第十章 10.2 前向算法.mp4
52 第十章 10.3 维特比算法.mp4
53 第十章作业讲解-隐马尔可夫模型.mp4
54 code——隐马尔可夫.mp4
55 第十一章 11.1 导论.mp4
56 第十一章 11.2 拟牛顿法.mp4
57 第十一章 11.3 条件随机场的矩阵形式.mp4
58 第十一章作业讲解-条件随机场.mp4
59 第十三章无监督学习导论.mp4
60 第十四章14.1聚类的基本概念.mp4
61 第十四章14.2.1距离与相似度.mp4
62 第十四章14.2.2聚合聚类 距离公式介绍.mp4
63 第十四章14.2.3距离公式证明.mp4
64 第十四章14.2.4确定最佳聚类数.mp4
65 第十四章14.2.5有序样本分类法.mp4
66 第十四章14.3K均值聚类.mp4
67 第十四章14.1作业讲解- K-Means算法和高斯混合模型的比较.mp4
68 第十四章14.2作业讲解- 14.2 有关类的定义推导.mp4
69 第十四章14.3作业讲解-  离差平方和距离推导公式证明.mp4
70 第十四章14.3作业讲解-重心距离推导公式证明.mp4
71 第十五章15.1矩阵奇异值分解步骤.mp4
72 第十五章15.2矩阵奇异值分解基本定理.mp4
73 第十五章15.3矩阵奇异值分解性质与计算.mp4
74 第十五章15.4.1矩阵奇异值分解的酉空间表示法.mp4
75 第十五章15.5矩阵奇异值分解的应用.mp4
76 第十五章作业讲解- 奇异值分解01.mp4
77 第十五章作业讲解- 奇异值分解02.mp4
78 第十六章16.1主成分分析介绍.mp4
79 第十六章16.2主成分分析基本定理.mp4
80 第十六章16.3主成分的性质与选择.mp4
81 第十六章16.4主成分的特征.mp4
82 第十六章16.5牛顿迭代与梯度下降法.mp4
83 第十六章16.6拟牛顿迭代法.mp4
84 第十六章16.1作业讲解- 样本主成分分析.mp4
85 第十六章16.2 作业讲解-样本方差无偏估计的理解.mp4
86 第十六章16.3作业讲解- 求第一主成分.mp4
87 第十七章17.1LSA导入.mp4
88 第十七章17.2LSA算法实现.mp4
89 第十七章17.3非负矩阵分解算法.mp4
90 第十七章17.4LSA案例分析与编程实现.mp4
91 第十七章 作业讲解.mp4
92 第十八章18.1PLSA生成模型.mp4
93 第十八章18.2PLSA共现模型.mp4
94 第十八章18.3PLSA模型算法实现.mp4
95 第十八章18.4PLSA模型EM算法详解.mp4
96 第十八章 作业讲解.mp4
97 第十九章19.1蒙特卡罗法引入.mp4
98 第十九章19.2马尔科夫链的定义与性质.mp4
99 第十九章19.3连续状态马尔科夫链.mp4
100 第十九章19.4Metropolis-Hastings算法与吉布斯抽样算法.mp4
101 第十九章 作业讲解.mp4
102 第二十章20.1LDA分布、模型与Gibbs抽样算法.mp4
103 第二十章20.2LDA的变分EM算法.mp4
104 第二十章 作业讲解.mp4
105 第二十一章21.1PageRank算法的定义与幂法计算.mp4
106 第二十一章 作业讲解.mp4
107 第二十二章 22无监督学习方法总结.mp4