+第10章 隐马尔可夫模型
HMM.ipynb
+第11章 条件随机场
+.ipynb_checkpoints
CRF.ipynb
+第1章 统计学习方法概论(LeastSquaresMethod)
least_sqaure_method.ipynb
+第2章 感知机(Perceptron)
Iris_perceptron.ipynb
+第3章 k近邻法(KNearestNeighbors)
KNN.ipynb
+第4章 朴素贝叶斯(NaiveBayes)
GaussianNB.ipynb
+第5章 决策树(DecisonTree)
DT.ipynb
mytree.pdf
+第6章 逻辑斯谛回归(LogisticRegression)
LR.ipynb
+第7章 支持向量机(SVM)
support-vector-machine.ipynb
+第8章 提升方法(AdaBoost)
Adaboost.ipynb
+第9章 EM算法及其推广(EM)
em.ipynb
代码目录.txt
第10章 隐马尔科夫模型.pptx
第11章 条件随机场.pptx
第13章 无监督学习概论.pptx
第14章 聚类方法.pptx
第15章 奇异值分解.pptx
第16章 主成分分析.pptx
第17章 潜在语义分析.pptx
第18章 概率潜在语义分析.pptx
第19章 马尔科夫链蒙特卡洛法.pptx
第1章 机器学习和统计学习.pptx
第20章 潜在狄利克雷分布.pptx
第21章 PageRank算法.pptx
第22章 无监督学习方法总结.pptx
第2和12章 感知机和统计学习方法总结.pptx
第3章 k-近邻算法.pptx
第4章 贝叶斯分类器.pptx
第5章 决策树.pptx
第6章 Logistic回归.pptx
第7章 SVM及核函数.pptx
第8章 adaboost.pptx
第9章 EM算法.pptx
统计学习方法(第2版).pdf
清华大学《统计学习方法》第2版课件+代码.part1.rar
(100 MB, 需要: RMB 19 元)
清华大学《统计学习方法》第2版课件+代码.part2.rar
(28.58 MB, 需要: RMB 10 元)


雷达卡


京公网安备 11010802022788号







