-
06-第一章 1.1 导论.mp4
-
07-第一章 1.2 极大似然估计.mp4
-
08-第一章 1.3 梯度下降法.mp4
-
09-第一章作业讲解-极大似然估计.mp4
-
10-第二章 2.1 导论.mp4
-
100-第十九章19.4Metropolis-Hastings算法与吉布斯抽样算法.mp4
-
101-第十九章 作业讲解.mp4
-
102-第二十章20.1LDA分布-模型与Gibbs抽样算法.mp4
-
103-第二十章20.2LDA的变分EM算法.mp4
-
104-第二十章 作业讲解.mp4
-
105-第二十一章21.1PageRank算法的定义与幂法计算.mp4
-
106-第二十一章 作业讲解.mp4
-
107-第二十二章 22无监督学习方法总结.mp4
-
11-第二章 2.2 对偶形式.mp4
-
12-第二章 2.3 收敛性.mp4
-
13-code——感知机.mp4
-
14-第二章作业讲解-感知机自编程实现.mp4
-
15-第二章作业讲解-感知机sklearn实现.mp4
-
16-第三章 3.1 导论.mp4
-
17-第三章 3.2 kd树.mp4
-
18-code——k近邻.mp4
-
19-第三章作业讲解-KNN 自编程.mp4
-
20-第三章作业讲解-KNN-sklearn.mp4
-
21-第四章 4.1 导论.mp4
-
22-第四章 4.2 贝叶斯估计.mp4
-
23-第四章 4.3 期望风险最小化.mp4
-
24-code——朴素贝叶斯.mp4
-
25-第四章作业讲解-贝叶斯估计.mp4
-
26-第四章作业讲解-朴素贝叶斯.mp4
-
27-第五章 5.1 导论.mp4
-
28-第五章 5.2 剪枝.mp4
-
29-code——决策树.mp4
-
30-第五章作业讲解-决策树.mp4
-
31-第六章 6.1 逻辑斯蒂回归与最大熵.mp4
-
32-第六章 6.2 改进的迭代尺度法.mp4
-
33-第六章作业讲解-逻辑斯谛回归.mp4
-
34-code——逻辑斯蒂回归与最大熵.mp4
-
35-第七章 7.1 导论.mp4
-
36-第七章 7.2 存在唯一性.mp4
-
37-第七章作业讲解-支持向量机习题7.1.mp4
-
38-第七章作业讲解-支持向量机 sklearn习题7.2.mp4
-
39-第七章作业讲解-支持向量机习题7.3.mp4
-
40-code——支持向量机.mp4
-
41-第八章 8.1 导论.mp4
-
42-第八章 8.2 前向分步算法.mp4
-
43-第八章 8.3 adaboost的训练误差.mp4
-
44-第八章作业讲解-提升方法.mp4
-
45-code——提升方法.mp4
-
46-第九章 9.1 导论.mp4
-
47-第九章 9.2 高斯混合模型.mp4
-
48-第九章作业讲解-EM算法.mp4
-
49-code——EM算法及推广.mp4
-
50-第十章 10.1 导论.mp4
-
51-第十章 10.2 前向算法.mp4
-
52-第十章 10.3 维特比算法.mp4
-
53-第十章作业讲解-隐马尔可夫模型.mp4
-
54-code——隐马尔可夫.mp4
-
55-第十一章 11.1 导论.mp4
-
56-第十一章 11.2 拟牛顿法.mp4
-
57-第十一章 11.3 条件随机场的矩阵形式.mp4
-
58-第十一章作业讲解-条件随机场.mp4
-
59-第十三章无监督学习导论.mp4
-
60-第十四章14.1聚类的基本概念.mp4
-
61-第十四章14.2.1距离与相似度.mp4
-
62-第十四章14.2.2聚合聚类 距离公式介绍.mp4
-
63-第十四章14.2.3距离公式证明.mp4
-
64-第十四章14.2.4确定最佳聚类数.mp4
-
65-第十四章14.2.5有序样本分类法.mp4
-
66-第十四章14.3K均值聚类.mp4
-
67-第十四章14.1作业讲解- K-Means算法和高斯混合模型的比较.mp4
-
68-第十四章14.2作业讲解- 14.2 有关类的定义推导.mp4
-
69-第十四章14.3作业讲解- 离差平方和距离推导公式证明.mp4
-
70-第十四章14.3作业讲解-重心距离推导公式证明.mp4
-
71-第十五章15.1矩阵奇异值分解步骤.mp4
-
72-第十五章15.2矩阵奇异值分解基本定理.mp4
-
73-第十五章15.3矩阵奇异值分解性质与计算.mp4
-
74-第十五章15.4.1矩阵奇异值分解的酉空间表示法.mp4
-
75-第十五章15.5矩阵奇异值分解的应用.mp4
-
76-第十五章作业讲解- 奇异值分解01.mp4
-
77-第十五章作业讲解- 奇异值分解02.mp4
-
78-第十六章16.1主成分分析介绍.mp4
-
79-第十六章16.2主成分分析基本定理.mp4
-
80-第十六章16.3主成分的性质与选择.mp4
-
81-第十六章16.4主成分的特征.mp4
-
82-第十六章16.5牛顿迭代与梯度下降法.mp4
-
83-第十六章16.6拟牛顿迭代法.mp4
-
84-第十六章16.1作业讲解- 样本主成分分析.mp4
-
85-第十六章16.2 作业讲解-样本方差无偏估计的理解.mp4
-
86-第十六章16.3作业讲解- 求第一主成分.mp4
-
87-第十七章17.1LSA导入.mp4
-
88-第十七章17.2LSA算法实现.mp4
-
89-第十七章17.3非负矩阵分解算法.mp4
-
90-第十七章17.4LSA案例分析与编程实现.mp4
-
91-第十七章 作业讲解.mp4
-
92-第十八章18.1PLSA生成模型.mp4
-
93-第十八章18.2PLSA共现模型.mp4
-
94-第十八章18.3PLSA模型算法实现.mp4
-
95-第十八章18.4PLSA模型EM算法详解.mp4
-
96-第十八章 作业讲解.mp4
-
97-第十九章19.1蒙特卡罗法引入.mp4
-
98-第十九章19.2马尔科夫链的定义与性质.mp4
-
99-第十九章19.3连续状态马尔科夫链.mp4