慕课-鸿木科技

首页 - 课程列表 - 课程详情

机器学习与人工智能_浙江大学

课程类型：选修课

主讲教师：

课程来源：

建议学分：0.00分

课程编码：mk004986

{1}--第一讲机器学习简介

s [1.1.1]--1.1 机器学习简介.mp4 （9分钟）

s [1.2.1]--1.2 人工智能.mp4 （6分钟）

s [1.3.1]--1.3 学习的类型.mp4 （7分钟）

s [1.4.1]--1.4 R语言简介.mp4 （28分钟）

s [1.5.1]--1.5 机器学习的类型.mp4 （13分钟）

{2}--第三讲回归分析

s [2.1.1]--3.1 线性回归.mp4 （8分钟）

s [2.2.1]--3.2 多项式回归.mp4 （7分钟）

s [2.3.1]--3.3 样条回归.mp4 （11分钟）

s [2.4.1]--3.4 局部回归.mp4 （7分钟）

s [2.5.1]--3.5 广义加性模型.mp4 （4分钟）

{3}--第二讲机器学习的评估方法

s [3.1.1]--2.1 监督学习的评价.mp4 （12分钟）

s [3.2.1]--2.2 不均衡数据预测的评估方法.mp4 （18分钟）

{4}--第四讲回归方法

s [4.1.1]--4.1 逻辑斯蒂回归.mp4 （9分钟）

s [4.2.1]--4.2 判别分类.mp4 （7分钟）

s [4.3.1]--4.3 K最近邻分类.mp4 （5分钟）

s [4.4.1]--4.4 回归树.mp4 （11分钟）

s [4.5.1]--4.5 分类树.mp4 （6分钟）

s [4.6.1]--4.6 Bagging分类.mp4 （7分钟）

s [4.7.1]--4.7 随机森林.mp4 （5分钟）

s [4.8.1]--4.8 AdaBoost.mp4 （4分钟）

{5}--第五讲支持向量机

s [5.1.1]--5.1 支持向量机1.mp4 （13分钟）

s [5.2.1]--5.2 支持向量机2.mp4 （6分钟）

{6}--第六讲决策树

s [6.1.1]--6.1 数据的表示.mp4 （7分钟）

s [6.2.1]--6.2 决策树.mp4 （9分钟）

s [6.3.1]--6.3 过拟合.mp4 （9分钟）

s [6.4.1]--6.4 决策树模型实例演示.mp4 （16分钟）

{7}--第七讲合奏学习

s [7.1.1]--7.1 合奏学习原理.mp4 （10分钟）

s [7.2.1]--7.2 装袋算法.mp4 （8分钟）

s [7.3.1]--7.3 Boosting的基本原理.mp4 （7分钟）

s [7.4.1]--7.4 Boosting算法.mp4 （14分钟）

s [7.5.1]--7.5 Boosting算法的应用.mp4 （10分钟）

s [7.6.1]--7.6 R语言训练合奏学习模型.mp4 （13分钟）

{8}--第八讲正则化方法

s [8.1.1]--8.1 正则化方法原理.mp4 （14分钟）

s [8.2.1]--8.2 正则化方法.mp4 （17分钟）

{9}--第九讲人工神经网络

s [9.1.1]--9.1 神经网络简介与神经元.mp4 （7分钟）

s [9.2.1]--9.2 感知器.mp4 （6分钟）

s [9.3.1]--9.3 神经网络模型.mp4 （7分钟）

s [9.4.1]--9.4 激活函数和代价函数.mp4 （8分钟）

s [9.5.1]--9.5 梯度下降法和反向传播算法.mp4 （14分钟）

{10}--第十一讲聚类分析

s [10.1.1]--11.1 无监督学习原理.mp4 （10分钟）

s [10.2.1]--11.2 K均值聚类算法.mp4 （11分钟）

s [10.3.1]--11.3 K均值算法的问题.mp4 （7分钟）

s [10.4.1]--11.4 基于混合模型的聚类.mp4 （8分钟）

s [10.5.1]--11.5 EM算法理论.mp4 （11分钟）

s [10.6.1]--11.6 用R语言做聚类分析.mp4 （17分钟）

{11}--第十讲深度学习

s [11.1.1]--10.1 深度神经网络.mp4 （16分钟）

s [11.2.1]--10.2 卷积神经网络.mp4 （19分钟）

新ICP备2024014205号-1 　　

友情链接

常见问题

关于我们

联系方式