|
01.第1课 机器学习概论 2022-07-24 23:52:23
|
|
02.第2课 线性回归与Logistic。案例:电子商务业绩预测 2022-07-24 23:52:23
|
|
03.第3课 岭回归,Lasso,变量选择技术。从一团乱麻中识别有用维度的技巧 2022-07-24 23:52:23
|
|
04.第4课 降维技术。案例:业绩综合指标设计 2022-07-24 23:52:23
|
|
05.第5课 线性分类器,Knn算法,朴素贝叶斯分类器,文本挖掘,案例:智能判断垃圾短信,通过文本挖掘给用户加标签,评论自动分析,用户流失预警 2022-07-24 23:52:23
|
|
06.第6课 决策树,组合提升算法,bagging和adaboost,随机森林。案例:运营商用户分析 2022-07-24 23:52:23
|
|
07.第7课 支持向量机,为什么能理解SVM的人凤毛麟角? 2022-07-24 23:52:23
|
|
08.第8课 人工神经网络,单层感知器,线性神经网络,BP神经网络,基于梯度下降的学习算法,图像压缩和银行用户信用评估 2022-07-24 23:52:23
|
|
09.第9课 通用逼近器径向基函数神经网络,在新观点下审视PDA和SVM。Hopfield联想记忆型神经网络。案例:字符识别,人脸识别 2022-07-24 23:52:23
|
|
10.第10课 概率神经网络和信念贝叶斯分类器 2022-07-24 23:52:23
|
|
11.第11课 聚类,孤立点判别。案例:推荐系统,自动品酒器,作弊识别,社会系统团体识别 2022-07-24 23:52:23
|
|
文档资料 2022-07-24 23:52:23
|
|
教程目录及说明.txt
|
2022-07-24 23:52:23 |
1.03 KB |
|