资源一定要转存到网盘方可观看全部，否则只能观看2分钟的试片，夸克还可以投屏！资源不对或失效的话点击去资源库检索!
文件目录结构目录内容仅供参考
50.05-04-朴素贝叶斯代码实现(2.预测过程).mp4
(10.09 MB)
54.05-08-案例：垃圾邮件识别(1.实现原理).mp4
(9.23 MB)
55.05-08-案例：垃圾邮件识别(2.代码实现).mp4
(25.58 MB)
57.06-02-线性可分支持向量机(几何间隔，函数间隔，目标函数).mp4
(23.51 MB)
58.06-03-拉格朗日乘子法求带有等式约束的极值问题.mp4
(18.45 MB)
59.06-04-拉格朗日乘子法求带有不等式约束的极值问题、KKT条件.mp4
(16.39 MB)
6.02-05-线性回归代码实现.mp4
(21.45 MB)
60.06-05-目标函数求解(1.对偶问题、先对w、b求极小).mp4
(18.74 MB)
61.06-06-目标函数求解(2.对alpha求极大).mp4
(9.11 MB)
62.06-07-SVM求解举例.mp4
(31.26 MB)
63.06-08-线性支持向量机的目标函数.mp4
(10.68 MB)
64.06-09-线性支持向量机目标函数优化.mp4
(15.59 MB)
65.06-10-非线性支持向量机简介.mp4
(18.83 MB)
66.06-11-非线性支持向量机的目标函数.mp4
(8.22 MB)
67.06-12-SMO算法推导结果.mp4
(16.26 MB)
68.06-13-1SVM代码实现之简易版(上).mp4
(40.91 MB)
69.06-13-1SVM代码实现之简易版(下).mp4
(11.69 MB)
7.02-06-线性回归代码实现-做特征归一化.mp4
(23.52 MB)
70.06-13-2SVM代码实现之改进版.mp4
(23.61 MB)
71.06-13-3SVM代码实现之引进核函数版.mp4
(17.17 MB)
72.06-14-SMO算法推导过程1.mp4
(12.29 MB)
73.06-14-SMO算法推导过程2.mp4
(12.52 MB)
74.06-14-SMO算法推导过程3.mp4
(7.42 MB)
75.06-14-SMO算法推导过程4.mp4
(10.73 MB)
76.06-15-SVM总结.mp4
(7.67 MB)
77.06-16-Sklearn实现SVM1.mp4
(9.06 MB)
78.06-16-Sklearn实现SVM2-3，输出常用属性值，使用高斯核.mp4
(13.76 MB)
79.06-16-Sklearn实现SVM4，调参.mp4
(12.09 MB)
8.02-07-批量梯度下降，随机梯度下降，小批量梯度下降.mp4
(9.55 MB)
80.06-17-案例：使用SVM完成人脸识别.mp4
(32.26 MB)
81.07-01-K-means基本原理及推导.mp4
(8.77 MB)
82.07-02-K-means中距离计算方法.mp4
(9.71 MB)
83.07-03-K-means代码实现(1原生代码实现).mp4
(26.75 MB)
84.07-03-K-means代码实现(2sklearn实现KMeans).mp4
(5.31 MB)
85.07-04-层次聚类原理及距离计算.mp4
(10.59 MB)
86.07-05-层次聚类举例.mp4
(7.21 MB)
87.07-06-Sklearn实现层次聚类.mp4
(7.4 MB)
88.07-07-密度聚类.mp4
(11.07 MB)
89.07-08-Sklearn实现密度聚类.mp4
(5.53 MB)
9.02-08-几种常见的模型评价指标.mp4
(19.81 MB)
90.07-09-高斯混合模型介绍.mp4
(11.58 MB)
91.07-10-高斯混合模型参数估计.mp4
(19.38 MB)
92.07-11-1高斯混合模型原生代码实现.mp4
(26.66 MB)
93.07-11-2Sklearn实现高斯混合模型.mp4
(7.91 MB)
94.07-12-案例：对亚洲足球队进行聚类分析.mp4
(9.82 MB)
95.08-01-主成分分析介绍.mp4
(13.29 MB)
96.08-02-协方差矩阵的特征值分解算法.mp4
(10.36 MB)
97.08-03-协方差矩阵的特征值分解算法代码实现.mp4
(18.9 MB)
98.08-04-基于数据矩阵的奇异值分解算法.mp4
(9.66 MB)
99.08-05-基于数据矩阵的奇异值分解算法代码实现.mp4
(8.52 MB)
用户评论 (0条)
免责声明
1. 本站所有资源均来自网络收集或用户分享，仅供学习交流使用，版权归原作者所有。
2. 本站不对所存储资源的完整性、准确性和合法性负责，也不承担任何法律责任。
3. 如有侵犯您的版权或其他权益，请立即联系我们删除相关内容。
4. 使用者应自行承担因下载、使用本站资源而产生的一切后果。
5. 本声明未涉及的问题参见国家有关法律法规，当本声明与国家法律法规冲突时，以国家法律法规为准。
上传者信息
嘀嘟*享
资源数
256
加入时间
2023-08-15