Python机器学习算法升级版课程视频下载

　

　   本课程特点是从数学层面推导最经典的机器学习算法，以及每种算法的示例和代码实现（Python）、如何做算法的参数调试、机器学习算法的应用场景介绍等。

　　数学基础1–数学分析

　　机器学习的角度看数学

　　复习数学分析

　　直观解释常数e

　　导数/梯度与SGD

　　Taylor展式

　　凸函数

　　概率论基础

　　古典概型

　　贝叶斯公式

　　常见概率分布

　　数学基础2–数理统计与参数估计

　　统计量

　　期望/方差/偏度/峰度

　　协方差(矩阵)和相关系数

　　独立和不相关

　　大数定律

　　中心极限定理

　　中心矩/原点矩/矩估计

　　深刻理解最大似然估计

　　过拟合的数学原理

　　偏差方差二难

　　数学基础3–矩阵和线性代数

　　线性代数是有用的：以SVD为例

　　马尔科夫模型和矩阵乘法、状态转移矩阵

　　矩阵和向量组

　　特征值和特征向量

　　对称阵、正交阵、正定阵

　　数据白化及其应用

　　向量对向量求导

　　标量对向量求导

　　标量对矩阵求导

　　数学基础4–凸优化

　　凸集的严格数学表达

　　凸集保凸运算

　　分割超平面/支撑超平面

　　凸函数/上境图

　　Jensen不等式

　　Fenchel不等式

　　K-L散度

　　凸优化

　　共轭函数和对偶函数

　　鞍点解释

　　用对偶方法求解最小二乘问题

　　强对偶KKT条件

　　Python基础及其数学库的使用

　　解释器Python2.7与IDE：Anaconda/Pycharm

　　Python基础：列表/元组/字典/类/文件

　　numpy/scipy/matplotlib/panda的介绍和典型使用

　　典型图像处理

　　Python基础及其机器学习库的使用

　　scikit-learn的介绍和典型使用

　　损失函数的绘制

　　多种数学曲线

　　多项式拟合

　　股票数据分析、卷积、(指数)移动平均线

　　回归

　　线性回归

　　高斯分布

　　Logistic回归

　　最大似然估计

　　梯度下降算法：BGD与SGD

　　特征选择与过拟合

　　回归实践

　　机器学习sklearn库介绍

　　Ridge回归、LASSO

　　Logistic/Softmax回归

　　回归代码实现和调参

　　交叉验证

　　数据可视化

　　决策树和随机森林

　　熵、联合熵、条件熵、KL散度、互信息

　　最大似然估计与最大熵模型

　　ID3、C4.5、CART详解

　　决策树的评价

　　预剪枝和后剪枝

　　随机森林

　　随机森林实践

　　手写随机森林实践

　　调用开源库函数完成随机森林

　　数据结构的综合使用

　　gini系数

　　提升

　　提升为什么有效

　　Adaboost算法

　　加法模型与指数损失

　　梯度提升决策树GBDT

　　自己动手实现GBDT

　　XGBoost库介绍

　　Taylor展式与学习算法

　　KAGGLE简介

　　泰坦尼克乘客存活率估计

　　线性可分支持向量机

　　软间隔的改进

　　损失函数的理解

　　核函数的原理和选择

　　SMO算法

　　支持向量回归SVR

　　SVM实践

　　libSVM代码库介绍

　　原始数据和特征提取

　　调用开源库函数完成SVM

　　SVR用于时间序列曲线预测

　　SVM、Logistic回归、随机森林三者的横向比较

　　聚类

　　各种相似度度量及其相互关系

　　Jaccard相似度和准确率、召回率

　　Pearson相关系数与余弦相似度

　　K-means与K-Medoids及变种

　　AP算法(Sci07)/LPA算法及其应用

　　密度聚类DBSCAN/DensityPeak(Sci14)

　　谱聚类SC

　　聚类评价和结果指标

　　聚类实践

　　K-Means++算法原理和实现

　　向量量化VQ及图像近似

　　并查集的实践应用

　　密度聚类的代码实现

　　谱聚类用于图片分割

　　EM算法

　　最大似然估计

　　Jensen不等式

　　朴素理解EM算法

　　精确推导EM算法

　　EM算法的深入理解

　　混合高斯分布

　　主题模型pLSA

　　EM算法实践

　　多元高斯分布的EM实现

　　分类结果的数据可视化

　　EM与聚类的比较

　　Dirichlet过程EM

　　三维及等高线等图件的绘制

　　主题模型pLSA与EM算法

　　贝叶斯网络

　　朴素贝叶斯

　　贝叶斯网络的表达

　　条件概率表参数个数分析

　　马尔科夫模型

　　条件独立的三种类型

　　混合(离散+连续)网络：线性高斯模型

　　Chow-Liu算法：最大权生成树MSWT

　　朴素贝叶斯实践

　　朴素贝叶斯用于鸢尾花数据

　　朴素贝叶斯用于路透社新闻文本分类

　　主题模型LDA

　　贝叶斯学派的模型认识

　　共轭先验分布

　　Dirichlet分布

　　Laplace平滑

　　Gibbs采样详解

　　LDA实践

　　网络爬虫的原理和代码实现

　　停止词和高频词

　　动手自己实现LDA

　　LDA开源包的使用和过程分析

　　Metropolis-Hastings算法

　　LDA与word2vec的比较

　　隐马尔科夫模型HMM

　　概率计算问题

　　前向/后向算法

　　HMM的参数学习

　　Baum-Welch算法详解

　　Viterbi算法详解

　　HMM实践

　　动手自己实现HMM用于中文分词

　　多个语言分词开源包的使用和过程分析

　　文件数据格式UFT-8、Unicode

　　停止词和标点符号对分词的影响

　　前向后向算法计算概率溢出的解决方案

　　发现新词和分词效果分析

　　高斯混合模型HMM

　　GMM-HMM用于股票数据特征提取

资源下载

此资源下载价格为6学分，VIP免费，请先登录

充值比例 1元=1学分
资源失效，请咨询客服
客服QQ 980264305