COURSE / JACKNOTE
机器学习
- 1简介和基本概念课次资料
- 2监督学习设置。线性回归。课次资料
- 3加权最小二乘法。逻辑回归。 Netwon 的方法感知器。指数家族。广义线性模型。课次资料
- 5高斯判别分析。朴素贝叶斯。课次资料
- 6拉普拉斯平滑。支持向量机。课次资料
- 7支持向量机。内核。课次资料
- 2监督学习(5 类) 监督学习设置。学习管理系统。逻辑回归。感知器。指数家族。生成学习算法。高斯判别分析。朴素贝叶斯。支持向量机。模型选择和特征选择。评估和调试学习算法。课次资料
- 8神经网络:基础知识课次资料
- 9神经网络:训练课次资料
- 10偏差-方差权衡。正则化和模型/特征选择。课次资料
- 9树合奏。课次资料
- 12机器学习项目的实用建议课次资料
- 13K 均值聚类;高斯混合模型;期望最大化(EM)课次资料
- 14因素分析。课次资料
- 15主成分分析。独立成分分析。课次资料
- 16MDP。贝尔曼方程。课次资料
- 17价值迭代和策略迭代。 LQR。 LQG。课次资料
- 18Q-学习。值函数近似。课次资料
- 19政策搜索。加强。 POMDP。课次资料
- 20可选主题。包起来。课次资料