资源详情
课程目标:
本课程特点是从数学层面推导最经典的机器学习算法,以及每种算法的示例和代码实现(Python)、如何做算法的参数调试、以实际应用案例分析各种算法的选择等。
课程目录:
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:矩阵和线忄生代数
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
下载地址
链接 https://pan.baidu.com/s/1eHeHyDx8vY7CUZaMzoPKDA 密码 6s16