├── 00讲义├── 第01章 概述├── 第02章 机器学习基本概念├── 第03章 模型性能评估├── 第04章 感知机├── 第05章 聚类├── 第06章 贝叶斯分类器及图模型├── 第07章 决策树和随机森林├── 第08章 逻辑斯谛回归与最大熵模型├── 第09章 SVM├── 第10章 核方法与非线性SVM├── 第11章 降维与度量学习├── 第12章 提升方法├── 第13章 EM算法及混合高斯模型├── 第14章 计算学习理论├── 第15章 隐马尔可夫模型├── 第16章 条件随机场├── 第17章 概率图模型的学习与推断├── 第18章 神经网络和深度学习├── 第19章 深度学习正则化方法├── 第20章 深度学习优化方法

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。