大数据机器学习【2021秋】

部分目录

• {1}–第一章概述
• {2}–第二章机器学习基本概念
• {3}–第三章模型性能评估
• {4}–第四章感知机
• {5}–第五章聚类
• {6}–第六章贝叶斯分类器及图模型
• {7}–第七章决策树和随机森林
• {8}–第八章逻辑斯谛回归与最大熵模型
• {9}–第九章SVM
• {10}–第十章核方法与非线性SVM
• {11}–第十一章降维与度量学习
• {12}–第十二章提升方法
• {13}–第十三章EM算法及混合高斯模型
• {14}–第十四章计算学习理论
• {15}–第十五章隐马尔可夫模型

由于资源皆来自于互联网收集，存于网盘，可能会存在失效情况，建议第一时间保存到自己网盘，如遇失效，请在评论区反馈。
如遇侵权，请提供版权证明联系我们，会第一时间处理！