- 登录
- 注册
登录
注册

首页
技术资讯中心
资源下载中心
会员中心
⇩ App下载
免费课程
入驻申请

- 登录
- 注册

游戏开发教程
Unity3D
UE4
- 虚幻4免费教程
- 虚幻4实战案例
GameMaker
- GameMaker免费教程
- GameMaker实战案例
Cocos3D
- Cocos3D免费教程
- Cocos3D实战案例
CryEngine
- CryEngine免费教程
- CryEngine实战案例
LayaBox
- Layabox免费教程
- LayaBox实战案例
Egret
- 白鹭免费教程
Laya
- Laya免费教程
Unity3D UE4 GameMaker Cocos3D CryEngine LayaBox Egret Laya
Python教程

python自动化办公

python爬虫

python数据分析

python股票量化投资

python优选基金

Python免费课程

python自动化办公 python爬虫 python数据分析 python股票量化投资 python优选基金 Python免费课程
web前端开发
vue.js
uni-app
Vue淘宝类大型商城全栈课程
vue.js uni-app Vue淘宝类大型商城全栈课程
AI数据科学
大数据
人工智能（AI）

云计算

区块链
大数据人工智能（AI）云计算区块链
移动开发
APP开发
移动游戏开发
- 微信小游戏开发
APP开发移动游戏开发
游戏美术教程

3dmax

maya

photoshop

3dmax maya photoshop
职场提升
办公软件
- PPT
- Excel
- Word免费
- Keynote
面试技巧
办公软件面试技巧
后端开发

Java后台免费

PHP

Python

Django

C++

Flask

Go

Ruby

Java后台免费 PHP Python Django C++ Flask Go Ruby
毕业设计

Java项目

Andriod项目

Java项目 Andriod项目
产品运营

产品经理

新媒体运营

产品经理新媒体运营
电子书

C语言

C语言

首页
技术资讯中心
资源下载中心
会员中心
⇩ App下载
免费课程
入驻申请

【THU深圳研究院】大数据机器学习（袁老师）

第38任务： 6.2 概率图模型

查看课程

任务列表

第1任务： 1.1 机器学习定义和典型应用
第2任务： 1.2 机器学习和人工智能的关系
第3任务： 1.3 深度学习方法和其它人工智能方法的共性和差异
第4任务： 1.4 机器学习和数据挖掘的关系
第5任务： 1.5 机器学习和统计学习的关系
第6任务： 1.6 机器学习的发展历程
第7任务： 1.7 大数据机器学习的主要特点
第8任务： 2.1 机器学习的基本术语
第9任务： 2.2 监督学习
第10任务： 2.3 假设空间
第11任务： 2.4 学习方法三要素
第12任务： 2.5 奥卡姆剃刀定理
第13任务： 2.6 没有免费的午餐定理
第14任务： 2.7 训练误差和测试误差
第15任务： 2.8 过拟合与模型选择
第16任务： 2.9 泛化能力
第17任务： 2.10 生成模型和判别模型
第18任务： 3.1 留出法
第19任务： 3.2 交叉验证法
第20任务： 3.3 自助法
第21任务： 3.4 性能度量
第22任务： 3.5 PR曲线
第23任务： 3.6 ROC和AUC曲线
第24任务： 3.7 代价敏感错误率
第25任务： 3.8 假设检验
第26任务： 3.9 T检验
第27任务： 3.10 偏差和方差
第28任务： 4.1 感知机模型
第29任务： 4.2 感知机学习策略
第30任务： 4.3 感知机学习算法
第31任务： 5.1 原型聚类描述
第32任务： 5.2 性能度量
第33任务： 5.3.1 原型聚类 k均值算法
第34任务： 5.3.2 原型聚类学习向量算法
第35任务： 5.3.3 原型聚类密度聚类
第36任务： 5.3.4 原型聚类层次聚类
第37任务： 6.1 综述
第38任务： 6.2 概率图模型
第39任务： 6.3 贝叶斯网络
第40任务： 6.4 朴素贝叶斯分类器
第41任务： 6.5 半朴素贝叶斯分类器
第42任务： 6.6 贝叶斯网络结构学习推断
第43任务： 6.7 吉布斯采样
第44任务： 7.1 本章简介
第45任务： 7.2 决策树模型与学习基本概念
第46任务： 7.3 信息量和熵
第47任务： 7.4 决策树的生成
第48任务： 7.5 决策树的减枝
第49任务： 7.6 CART算法
第50任务： 7.7 随机森林
第51任务： 8.1 本章简介
第52任务： 8.2 逻辑斯谛回归模型
第53任务： 8.3 最大熵模型
第54任务： 8.4 模型学习的最优化方法
第55任务： 9.1 本章简介
第56任务： 9.2 SVM简介
第57任务： 9.3 线性可分支持向量机
第58任务： 9.4 凸优化问题的基本概念
第59任务： 9.5 支持向量的确切定义
第60任务： 9.6 线性支持向量机
第61任务： 10.1 本章简介
第62任务： 10.2 泛函基础知识
第63任务： 10.3 核函数和非线性支持向量机
第64任务： 10.4 序列最小最优化算法
第65任务： 11.1 本章简介
第66任务： 11.2 k近邻学习
第67任务： 11.3 降维嵌入
第68任务： 11.4 主成分分析
第69任务： 11.5 核化线性降维
第70任务： 11.6 流型学习和度量学习
第71任务： 12.1 提升方法Adaboost算法
第72任务： 12.2 Adaboost算法的训练误差分析
第73任务： 12.3 Adaboost算法的解释
第74任务： 12.4 Adaboost的实现
第75任务： 13.1 本章简介
第76任务： 13.2 问题提出
第77任务： 13.3 EM算法的引入
第78任务： 13.4 EM算法的收敛性
第79任务： 13.5 EM算法在高斯混合模型学习中的应用
第80任务： 13.6 EM算法的推广
第81任务： 14.1 本章简介
第82任务： 14.2 计算学习理论的基础知识
第83任务： 14.3 概率近似正确学习理论
第84任务： 14.4 有限假设空间
第85任务： 14.5 VC维
第86任务： 14.6 学习稳定性
第87任务： 15.1 本章简介
第88任务： 15.2 隐马尔科夫模型的基本概念
第89任务： 15.3 概率计算算法
第90任务： 15.4 学习算法
第91任务： 15.5 预测算法
第92任务： 16.1 本章简介
第93任务： 16.2 概率无向图模型
第94任务： 16.3 条件随机场的定义与形式
第95任务： 16.4 条件随机场的计算问题
第96任务： 16.5 条件随机场的学习算法
第97任务： 16.6 条件随机场的预测算法
第98任务： 17.1 本章简介
第99任务： 17.2 精确推断法：变量消去法和信念传播法
第100任务： 17.3 近似推断法：MCMC和变分推断
第101任务： 18.2 神经网络的基本概念以及常见的神经网络(一）
第102任务： 18.3 神经网络的基本概念以及常见的神经网络(二）
第103任务： 18.4 玻尔兹曼机
第104任务： 18.5 深度学习
第105任务： 19.1 深度学习简介和架构设计
第106任务： 19.2 计算图形式的反向传播算法
第107任务： 19.3 深度学习的正则化方法（一）
第108任务： 19.4 深度学习的正则化方法（二）
第109任务： 20.1 深度学习的优化问题
第110任务： 20.2 神经网络优化的挑战
第111任务： 20.3 神经网络的优化算法
第112任务： 20.4 相关策略

Powered by InsideRIA v23.2.4 ©2014-2024 课程内容版权均归锐亚科技所有京ICP备19057395号-2 增值电信业务许可证：京B2-20212984

学
习
中
心

TOP

售前咨询（提莫）

售前咨询（克里斯）

售前咨询（阿木）

售前咨询群

工作时间：9:00 - 17:00

客服：15311498308

客服：15311498308

邮箱： service@insideria.cn