Introduction to Machine Learning 机器学习导论

上传者: 49742236 | 上传时间: 2022-05-13 16:05:31 | 文件大小: 16.67MB | 文件类型: ZIP
第一章:介绍机器学习研究的总体思路,发展历史与关键问题; 第二章:介绍线性模型,包括线性预测模型,线性分类模型和线性高斯概率模型; 第三章:介绍神经网络的基础知识、基础结构和训练方法; 第四章:介绍深度神经网络的基础方法和最新进展; 第五章:介绍核方法,特别是支持向量机模型; 第六章:介绍图模型的基本概念和基于图模型的学习和推理方法; 第七章:介绍无监督学习方法,特别是各种聚类方法和流形学习; 第八章:介绍非参数贝斯模型,重点关注高斯过程和狄利克雷过程; 第九章:介绍遗传算法、遗传编程、群体学习等演化学习方法; 第十章:介绍强化学习,包括基础算法及近年来兴起的深度强化学习方法; 第十一章:介绍各种数值优化方法。

文件下载

资源详情

[{"title":"( 1 个子文件 16.67MB ) Introduction to Machine Learning 机器学习导论","children":[{"title":"清华大学王东老师-现代机器学习技术导论.pdf <span style='color:#111;'> 18.15MB </span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明