您现在的位置是：课程
人工智能基础之机器学习导论（全42讲）【理工学社】
2023-12-04 21:57课程 人已围观
01. 基本概念
02. 随机向量
03. 随机向量的性质
04. 条件期望
05. 多元高斯分布
06. 分布的性质
07. 多元高斯分布及其运用
08. 多项式分布
09. 渐进性质
10. 核定义
11. 正定核性质
12. 正定核应用
13. 主元分析
14. 主坐标分析
15. 核主元分析
16. 概率PCA
17. 最大似然估计方法
18. 期望最大算法
19. EM算法的收敛性
20. MDS方法
21. MDS中加点方法
22. T矩阵范式
23. 次导数
24. 矩阵次导数
25. Matrix_Completion
26. K_means algorithm
27. spectral clustering
28. 谱聚类1
29. 谱聚类2
30. Fisher判别分析
31. Fisher Discriminant Analysis
32. computational Methods1
33. computational Methods2
34. Kernel FDA
35. Linear classification1
36. Linear classification2
37. Naive Bayes 方法
38. Support Vector Machinese1
39. Support Vector Machinese2
40. SVM
41. Boosting1
42. Boosting2
02. 随机向量
03. 随机向量的性质
04. 条件期望
05. 多元高斯分布
06. 分布的性质
07. 多元高斯分布及其运用
08. 多项式分布
09. 渐进性质
10. 核定义
11. 正定核性质
12. 正定核应用
13. 主元分析
14. 主坐标分析
15. 核主元分析
16. 概率PCA
17. 最大似然估计方法
18. 期望最大算法
19. EM算法的收敛性
20. MDS方法
21. MDS中加点方法
22. T矩阵范式
23. 次导数
24. 矩阵次导数
25. Matrix_Completion
26. K_means algorithm
27. spectral clustering
28. 谱聚类1
29. 谱聚类2
30. Fisher判别分析
31. Fisher Discriminant Analysis
32. computational Methods1
33. computational Methods2
34. Kernel FDA
35. Linear classification1
36. Linear classification2
37. Naive Bayes 方法
38. Support Vector Machinese1
39. Support Vector Machinese2
40. SVM
41. Boosting1
42. Boosting2
