慕课-首都师范大学科德学院

机器学习_北京理工大学

课程类型：选修课

发布时间：2024-11-27 11:26:41

主讲教师：

课程来源：

建议学分：0.00分

课程编码：mk004978

课程介绍

课程目录

教师团队

{10}--第十章梯度下降法实验

[10.1.1]--梯度下降法实验1.mp4 （0分钟）

[10.2.1]--梯度下降法实验2.mp4 （0分钟）

{11}--第十一章回归实验

[11.1.1]--波士顿房价预测实验视频.mp4 （0分钟）

[11.2.1]--麻疹疫苗接种率预测实验.mp4 （0分钟）

{12}--第十二章分类实验

[12.1.1]--12.1.1 决策树实验1.mp4 （0分钟）

[12.1.2]--12.1.2 决策树实验2.mp4 （0分钟）

[12.1.3]--12.1.3 决策树实验3.mp4 （0分钟）

[12.2.1]--K近邻分类实验.mp4 （0分钟）

[12.3.1]--12.3.1 SVM分类实验1.mp4 （0分钟）

[12.3.2]--12.3.2 SVM分类实验2.mp4 （0分钟）

[12.3.3]--12.3.3 SVM分类实验3.mp4 （0分钟）

{13}--第十三章聚类实验

[13.1.1]--K-means聚类实验视频.mp4 （0分钟）

[13.2.1]--DBSCAN聚类实验.mp4 （0分钟）

[13.3.1]--汽车产品聚类实验上.mp4 （0分钟）

[13.3.2]--汽车产品聚类实验下.mp4 （0分钟）

{14}--第十四章天文数据挖掘实验

[14.1.1]--项目描述.mp4 （0分钟）

[14.2.1]--特征优化及代码.mp4 （0分钟）

{15}--第十五章复习课

[15.1.1]--LDA模型.mp4 （0分钟）

[15.2.1]--支持向量机习题课.mp4 （0分钟）

[15.3.1]--聚类习题课.mp4 （0分钟）

[15.4.1]--贝叶斯网络习题课.mp4 （0分钟）

[15.4.2]--隐马尔科夫模型习题课.mp4 （0分钟）

[15.5.1]--条件随机场习题课.mp4 （0分钟）

{16}--PDF课件

{17}--客观题考试试卷一

{18}--主观题考试试卷一

{19}--主观题考试试卷二

{1}--第一章绪论

[1.1.1]--机器学习简介.mp4 （0分钟）

[1.2.1]--机器学习发展历程.mp4 （0分钟）

[1.3.1]--机器学习分类与性能度量.mp4 （0分钟）

{20}--主观题考试试卷三

{21}--主观题考试试卷四

{2}--第二章期望最大化算法

[2.1.1]--期望最大化算法背景.mp4 （0分钟）

[2.2.1]--相关理论.mp4 （0分钟）

[2.3.1]--期望最大化算法推导.mp4 （0分钟）

[2.4.1]--期望最大化算法的收敛性.mp4 （0分钟）

{3}--第三章主题建模

[3.1.1]--主题建模的背景.mp4 （0分钟）

[3.2.1]--隐狄利克雷分配模型（LDA）的基本结构.mp4 （0分钟）

[3.3.1]--吉布斯采样方法.mp4 （0分钟）

{4}--第四章支持向量机

[4.1.1]--线性支持向量机原理.mp4 （0分钟）

[4.2.1]--非线性支持向量机.mp4 （0分钟）

[4.3.1]--线性支持向量机（数据线性不可分）.mp4 （0分钟）

[4.4.1]--非线性支持向量机思想.mp4 （0分钟）

[4.5.1]--核函数.mp4 （0分钟）

[4.6.1]--非线性支持向量机原理.mp4 （0分钟）

[4.7.1]--一分类-多分类支持向量机.mp4 （0分钟）

{5}--第五章聚类分析

[5.1.1]--相似性度量方法和经典聚类算法.mp4 （0分钟）

[5.2.1]--K-means、K中心点方法及其改进方法.mp4 （0分钟）

[5.3.1]--谱聚类.mp4 （0分钟）

[5.4.1]--基于约束的聚类和在线聚类.mp4 （0分钟）

{6}--第六章概率无向图模型

[6.1.1]--概率无向图.mp4 （0分钟）

[6.2.1]--逻辑斯蒂回归模型.mp4 （0分钟）

[6.3.1]--最大熵模型.mp4 （0分钟）

[6.4.1]--条件随机场.mp4 （0分钟）

{7}--第七章概率有向图模型

[7.1.1]--概率有向图及贝叶斯网络基础知识.mp4 （0分钟）

[7.2.1]--贝叶斯网络结构学习.mp4 （0分钟）

[7.3.1]--贝叶斯网络参数学习.mp4 （0分钟）

[7.4.1]--隐马尔可夫模型.mp4 （0分钟）

{8}--第八章神经网络

[8.1.1]--人工神经网络基础知识.mp4 （0分钟）

[8.2.1]--多层感知机.mp4 （0分钟）

[8.3.1]--优化算法.mp4 （0分钟）

[8.4.1]--卷积神经网络.mp4 （0分钟）

[8.5.1]--循环神经网络.mp4 （0分钟）

{9}--第九章强化学习

[9.1.1]--强化学习基本概念.mp4 （0分钟）

[9.2.1]--马尔可夫决策过程.mp4 （0分钟）

[9.3.1]--免模型的强化学习之蒙特卡洛学习和TD学习.mp4 （0分钟）

[9.4.1]--免模型的强化学习之 Q-Learning 和Sarsa.mp4 （0分钟）

[9.5.1]--深度强化学习.mp4 （0分钟）