李航统计学习方法

1.1 绪论

1.2 导读

1.3 泛化误差上界修正

1.4 极大似然估计和贝叶斯估计

2.1 感知机模型

2.2 随机梯度下降法

2.3 算法收敛性

3.1 K近邻

week1.1 极大似然估计作业

week1.2 贝叶斯估计作业

week1.3 感知机_自编程实现

week1.4 感知机_sklearn实现

4.1 朴素贝叶斯

4.2 后验概率最大化

4.3 贝叶斯估计

5.1 决策树

5.2 信息增益与基尼指数

第一次直播答疑

week2.1 朴素贝叶斯自编程实现

week2.2 决策树自编程实现

6.1 逻辑斯谛回归与最大值模型

6.2 改进的迭代尺度法

6.3 拉格朗日对偶性

7.1 支持向量机

7.2 最大间隔分离超平面存在唯一性

week3.1 逻辑斯谛回归作业

week3.2 支持向量机习题7.2

week3.3 支持向量机7.3

week3.4 支持向量机Sklearn

8.1 提升方法

8.2 Adaboost训练误差

8.3 前向分步算法

9.1 EM算法及其推广

9.2 EM算法的导出

9.3 高斯混合模型

第二次直播答疑

week4.1 提升方法作业

week4.2.EM 算法作业讲解

10.1 隐马尔科夫模型

10.2 前向算法

10.3 维特比算法

11.1 条件随机场

11.2 条件随机场的矩阵形式

11.3 拟牛顿法

week5.1 隐马尔可夫模型

week5.2 条件随机场作业