投稿

人工智能入门-算法篇

7.5万

211

2019-04-30 14:46:44

未经作者授权，禁止转载

-下个ID见发消息

联系邮箱：yan_518@outlook.com

1.机器学习概述(1)

10:05

2.回归算法

09:42

3.线性回归误差原理推导

13:01

4.目标函数求解

12:05

5.逻辑回归原理

06:14

6.梯度下降实例

12:41

7.梯度下降原理

07:59

1.决策树概述

09:41

2.熵原理形象解读

13:20

3.决策树构造实例

11:01

4.信息增益

05:27

5.信息增益率

16:39

6.决策树剪枝

12:08

7.随机森林

09:15

8.案例决策树参数

17:49

1.贝叶斯算法概述

06:59

2.贝叶斯推导实例

07:38

3.贝叶斯拼写纠错实例

11:47

4.垃圾邮件过滤实例

14:10

5.贝叶斯实现拼写检查器

12:21

1.集成思想

05:36

2.xgboost基本原理

11:08

3.xgboost目标函数推导

12:18

4.xgboost求解实例

11:30

5.xgboost安装

03:32

6.xgboost实战演示

14:44

7.Adaboost算法概述

13:01

1.支持向量机要解决的问题

05:22

2.支持向量机求解目标

12:41

3.支持向量机目标函数求解

10:16

4.支持向量机求解例子

11:43

5.支持向量的作用

08:56

6.软间隔支持向量机

07:00

7.核函数变换

14:30

1.数据平稳性与差分法

11:10

2.ARIMA模型

10:34

3.相关函数评估方法

10:47

4.建立ARIMA模型

07:49

5.参数选择

12:41

1.深度学习概述

11:28

2.挑战与常规套路

09:41

3.用K近邻来进行分类

10:02

4.超参数与交叉验证

10:32

5.线性分类

09:35

6.损失函数

09:18

7.正则化惩罚项

07:20

8.softmax分类器

13:39

9.最优化形象解读

06:47

10.最优化问题细节

11:49

11.反向传播

15:17

1.整体架构

10:12

2.实例演示

10:39

3.过拟合解决方案

15:54

4.感受神经网络的强大

11:31

1.PCA问题

03:56

2.PCA降维实例

14:34

3.SVD原理

07:37

4.SVD推荐系统

11:46

1.聚类算法概述

15:19

2.使用Kmeans进行图像压缩

07:59

3.特征工程2

11:03

1.开场

01:44

2.推荐系统应用

10:35

3.推荐系统要完成的任务

06:40

4.相似度计算

10:47

5.基于用户的协同过滤

10:03

6.基于物品的协同过滤

14:46

7.隐语义模型

07:32

8.隐语义模型求解

09:46

9.模型评估标准

07:44

1.开篇

04:37

2.自然语言处理与深度学习

11:59

3.语言模型

06:16

4.N-gram模型

08:33

5.词向量

09:28

6.神经网络模型

10:03

7.Hierarchical Softmax

10:02

8.CBOW模型实例

11:21

9.CBOW求解目标

05:40

10.锑度上升求解

10:11

11.负采样模型

07:16

顶部