《带电书 代码 统计学习方法 第2版 57讲 视频教程》

这门课程价格：10元 ★★★本站引入ai智能pdf转ppt功能，课程标题上，标带课件，这种是pdf课件，可免费提供pdf转PPT，转完后可以编辑修改，精准度很高

★★★课程标题带ppt的，这是原始ppt ，可以直接编辑使用

★★★什么都不标的，就是纯视频，学校没给课件

★★★重磅！！！自学社 技术升级，所有学校没提供课件的视频，现在都可以提取ppt （word或者excle），排版和原视频一样，汉字、字母、符号、等等可以编辑，方便老师和同学们整理内容，此服务是单独收费，1-30个视频课程加20元，31-60个视频35元，量大优惠. 也可以来视频帮忙提取。

-->-->-->★如果网站里没有您要的课程，加微信可以单独给您找
-->-->-->★诚信经营16年，有任何需求可以加微信沟通

课程大小：2.30G
课程格式：手机平板电脑都可以播放 
！！加微信 83162582 有特价！！
客服电话： 18947115243（唯一）
自学社社长：点击这里给我发消息83162582
客服qq：点击这里给我发消息125212385
淘宝客服：点我咨询自学天堂

★★★16年淘宝双皇冠99.9%好评店:http://shop57589855.taobao.com/★  
  • -->-->-->说明：试看 课程 加微.信125212385 或者1418144 直接搜索数字就可以，加微.信都是特价
  • -->-->-->说明：试看 课程 加微.信125212385 或者1418144 直接搜索数字就可以，加微.信都是特价

视频介绍 [复制本页地址介绍给朋友~]

 《统计学习方法·第2版》配套教学视频。

31:37
2. 第一章第2节—概率基础
07:02
3. 第一章第3节—随机变量及其分布
11:17
4. 第一章第4节—多维随机变量及其分布
08:35
5. 第一章第5节—随机变量的数字特征
04:58
6. 第一章第6节—中心极限定理
08:52
7. 第一章第7节—样本及抽样分布
14:20
8. 第一章第8节—极大似然估计和贝叶斯估计
24:53
9. 第二章第1节—统计学习导论
14:45
10. 第二章第2节—统计学习分类
18:44
11. 第二章第3节—统计学习方法的三要素
21:35
12. 第二章第4节—模型评估与模型选择
15:49
13. 第二章第5节—正则化与交叉验证
10:51
14. 第二章第6节—泛化能力
03:59
15. 第二章第7节—生成模型与判别模型
05:20
16. 第二章第8节—评估分类模型效果
10:26
17. 第三章第1节—感知机模型
16:24
18. 第三章第2节—感知机学习策略
10:18
19. 第三章第3节—感知机学习算法的原始形式
18:50
第三章第4节—原始形式的算法收敛性
17:52
21. 第三章第5节—感知机学习算法的对偶形式
20:40
22. 第四章第1节—k近邻算法
06:29
23. 第四章第2节—k近邻模型
23:59
24. 第四章第3节—k近邻法的实现：kd树
26:09
25. 第五章第0节—贝叶斯框架引言部分
09:10
26. 第五章第1节—贝叶斯框架概述
31:11
27. 第五章第2节—朴素贝叶斯法的学习与分类
18:07
28. 第五章第3节—朴素贝叶斯法的参数估计
43:03
29. 第六章第1节—决策树模型与学习
28:11
30. 第六章第2节—特征选择
01:02:14
31. 第六章第3节—决策树的生成
25:30
32. 第六章第4节—决策树的剪枝
26:25
33. 第六章第5节—CART算法
58:11
34. 第七章第1节—线性回归
18:33
35. 第七章第2节—机器学习中的线性回归
16:51
36. 第七章第3节—统计学习的线性回归
27:59
37. 第八章第1节—逻辑回归模型
54:19
38.38. 第八章第2节—数学补充：拉格朗日函数(Av727554627,P38)
13:09
39.39. 第八章第3节—数学补充：拉个朗日对偶(Av727554627,P39)
16:00
40.40. 第八章第4节—最大熵模型(Av727554627,P40)
56:22
41.41. 第八章第5节—数学补充：梯度下降法(GD)(Av727554627,P41)
21:18
42.42. 第八章第6节—数学补充：牛顿法(Av727554627,P42)
29:27
43.43. 第八章第7节—数学补充：拟牛顿法(Av727554627,P43)
44:42
44.44. 第八章第7节—模型学习的最优化算法(Av727554627,P44)
24:35
45.45. 第九章第1节—线性可分支持向量机与硬间隔最大化(Av727554627,P45)
01:03:01
46.46. 第九章第2节—硬间隔最大化学习的对偶算法(Av727554627,P46)
29:06
47.47. 第九章第3节—线性支持向量机与软间隔最大化(Av727554627,P47)
46:19
48.48. 第九章第4节—核技巧(Av727554627,P48)
25:19
49.49. 第九章第5节—正定核(Av727554627,P49)
40:22
50.50. 第九章第6节—常用核函数(Av727554627,P50)
12:57
51.51. 第九章第7节—非线性支持向量分类机(Av727554627,P51)
03:10
52.52. 第九章第8节—序列最小最优化算法(Av727554627,P52)
26:34
53.53. 第九章第8节—SMO算法(Av727554627,P53)
09:23
54.54. 第十章第1节—提升方法AdaBoost算法(Av727554627,P54)
49:40
55.55. 第十章第2节—AdaBoost算法的训练误差分析(Av727554627,P55)
34:59
56.56. 第十章第3节—AdaBoost算法的解释(Av727554627,P56)
23:21
57.57. 第十章第4节—提升树(Av727554627,P57) 

您可能还需要如下课程

自学社 蒙ICP备09002309号 Power by: 自学社
Please change your screen resolutidn to1024×768 Total ,
Copyright © 2009-20010 自学社 (www.zxshe.com). all Rights Reserved.
top