投稿

【统计学习方法完整版】不愧是北大教授！半天让我搞定了统计学：手推公式+算法实例+Python实现！学不会来找我！-人工智能/AI数学/统计学

9186

24

2023-01-02 16:41:35

正在缓冲...

感谢大家对课程的喜欢，欢迎关注薇❤公众hao【AI技术星球回复888】领课程资料+500G人工智能学习资料（内含：两大Pytorch、TensorFlow实战框架视频、图像识别、OpenCV、计算机视觉、深度学习与神经网络等视频、代码、PPT以及深度学习书籍，以及最新学习路线图等）你想要的咱都有哟~~~ 是真的白嫖不要米哦~~[脱单doge]

统计学基础

医学统计学

统计学习方法

666辣唧唧发消息

终于知道大家为什么喜欢用AI了

有问题，问豆包！

1. 1. 第一章第1节—矩阵和向量空间

31:40

2. 2. 第一章第2节—概率基础

07:02

3. 3. 第一章第3节—随机变量及其分布

11:17

4. 4. 第一章第4节—多维随机变量及其分布

08:35

5. 5. 第一章第5节—随机变量的数字特征

04:58

6. 6. 第一章第6节—中心极限定理

08:52

7. 7. 第一章第7节—样本及抽样分布

14:20

8. 8. 第一章第8节—极大似然估计和贝叶斯估计

24:53

9. 9. 第二章第1节—统计学习导论

14:45

10. 10. 第二章第2节—统计学习分类

18:44

11. 11. 第二章第3节—统计学习方法的三要素

21:35

12. 12. 第二章第4节—模型评估与模型选择

15:49

13. 13. 第二章第5节—正则化与交叉验证

10:51

14. 14. 第二章第6节—泛化能力

03:59

15. 15. 第二章第7节—生成模型与判别模型

05:20

16. 16. 第二章第8节—评估分类模型效果

10:26

17. 17. 第三章第1节—感知机模型

16:24

18. 19. 第三章第3节—感知机学习算法的原始形式

18:49

19. 20. 第三章第4节—原始形式的算法收敛性

17:52

20. 21. 第三章第5节—感知机学习算法的对偶形式

20:40

21. 22. 第四章第1节—k近邻算法

06:29

22. 23. 第四章第2节—k近邻模型

23:59

23. 24. 第四章第3节—k近邻法的实现：kd树

26:09

24. 25. 第五章第0节—贝叶斯框架引言部分

09:10

25. 26. 第五章第1节—贝叶斯框架概述

31:11

26. 27. 第五章第2节—朴素贝叶斯法的学习与分类

18:07

27. 28. 第五章第3节—朴素贝叶斯法的参数估计

43:03

28. 29. 第六章第1节—决策树模型与学习

28:10

29. 30. 第六章第2节—特征选择

01:02:14

30. 31. 第六章第3节—决策树的生成

25:30

31. 32. 第六章第4节—决策树的剪枝

26:25

32. 33. 第六章第5节—CART算法

58:11

33. 34. 第七章第1节—线性回归

18:33

34. 35. 第七章第2节—机器学习中的线性回归

16:51

35. 36. 第七章第3节—统计学习的线性回归

27:59

36. 37. 第八章第1节—逻辑回归模型

54:19

37. 38. 第八章第2节—数学补充：拉格朗日函数

13:09

38. 39. 第八章第3节—数学补充：拉个朗日对偶

16:00

39. 40. 第八章第4节—最大熵模型

56:22

40. 41. 第八章第5节—数学补充：梯度下降法(GD)

21:18

41. 42. 第八章第6节—数学补充：牛顿法

29:27

42. 43. 第八章第7节—数学补充：拟牛顿法

44:42

43. 44. 第八章第7节—模型学习的最优化算法

24:35

44. 45. 第九章第1节—线性可分支持向量机与硬间隔最大化

01:03:01

45. 46. 第九章第2节—硬间隔最大化学习的对偶算法

29:06

46. 47. 第九章第3节—线性支持向量机与软间隔最大化

46:19

47. 48. 第九章第4节—核技巧

25:19

48. 49. 第九章第5节—正定核

40:22

49. 50. 第九章第6节—常用核函数

12:57

50. 51. 第九章第7节—非线性支持向量分类机

03:10

51. 52. 第九章第8节—序列最小最优化算法

26:34

52. 53. 第九章第8节—SMO算法

09:22

53. 54. 第十章第1节—提升方法AdaBoost算法

49:40

54. 55. 第十章第2节—AdaBoost算法的训练误差分析

34:59

55. 56. 第十章第3节—AdaBoost算法的解释

23:21

56. 57. 第十章第4节—提升树

25:55

1. 1. 第一章第1节—矩阵和向量空间

31:37

顶部