注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 机器学习个人笔记完整版v4.21

  2. 斯坦福大学 2014 机器学习教程中文笔记：本课程ᨀ供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习 （聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的最佳实践（偏差/方差理 论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何 运用学习算法构建智能机器人（感知，控制），文本的理解（Web 搜索，反垃圾邮件），计 算机视觉，医疗信息，音频，数据挖掘，和其他

  3. 所属分类：机器学习

    • 发布日期：2017-12-20
    • 文件大小：10mb
    • 提供者：weixin_37562521

  1. 机器学习个人笔记完整版v4.21

  2. 吴恩达的机器学习教程中文笔记，主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何运用学习算法构建智能机器人（感知，控制），文本的理解（Web 搜索，反垃圾邮件），计算机视觉，医疗信息，音频，数据挖掘，和其他领域。

  3. 所属分类：机器学习

    • 发布日期：2018-04-07
    • 文件大小：10mb
    • 提供者：m0_37868504

  1. 斯坦福大学 2014 机器学习教程中文笔记

  2. 本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。 （二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。 （三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。 本课程还将使用大量的案例研究，您还将学习如何运用学习算法构建智能机器人（感知，控 制），文本的理解（Web 搜索，反垃圾邮件），计算机视觉，医疗信息，音频，数据挖掘， 和其他领域。 本课程需要 10 周共 18 节课

  3. 所属分类：机器学习

    • 发布日期：2018-07-28
    • 文件大小：6mb
    • 提供者：xiaoxc_java

  1. 斯坦福机器学习课程的笔记

  2. 斯坦福机器学习课程的PPT。本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括：（一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何运用学习算法构建智能机器人（感知，控制），文本的理解（Web 搜索，反垃圾邮件），计算机视觉，医疗信息，音频，数据挖掘，和其他领域。本课程需要10 周共

  3. 所属分类：深度学习

    • 发布日期：2018-07-14
    • 文件大小：205mb
    • 提供者：weixin_40704532

  1. 斯坦福大学 2014机器学习教程中文笔记

  2. 斯坦福大学 2014机器学习教程中文笔记 Machine Learning(机器学习 机器学习 )是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学

  3. 所属分类：机器学习

    • 发布日期：2018-11-12
    • 文件大小：11mb
    • 提供者：u014793454

  1. 机器学习个人笔记完整版（附数学公式）v5.28

  2. Machine Learning(机器学习)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。在过去的十年中，机器学习帮助我们自动驾驶汽车，有效的语音识别，有效的网络搜索，并极大地提高了人类基因组的认识。机器学习是当今非常普遍，你可能会使用这一天几十倍而不自知。很多研究者也认为这是最好的人工智能的取得方式。在本课中，您将学习

  3. 所属分类：机器学习

    • 发布日期：2018-11-12
    • 文件大小：7mb
    • 提供者：u014793454

  1. 斯坦福大学 2014 机器学习教程中文笔记

  2. 本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括：（一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。

  3. 所属分类：机器学习

    • 发布日期：2018-11-13
    • 文件大小：10mb
    • 提供者：qq_33042407

  1. 机器学习笔记

  2. 本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。 （二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。 （三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何运用学习算法构建智能机器人（感知，控制），文本的理解（Web搜索，反垃圾邮件），计算机视觉，医疗信息，音频，数据挖掘，和其他领域。

  3. 所属分类：机器学习

    • 发布日期：2019-02-14
    • 文件大小：16mb
    • 提供者：linyan803

  1. 斯坦福大学 2014 机器学习教程中文笔记

  2. 课程地址：https://www.coursera.org/course/ml 本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。 （二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。 （三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。

  3. 所属分类：机器学习

    • 发布日期：2019-04-10
    • 文件大小：5mb
    • 提供者：u010347179

  1. 斯坦福机器学习笔记.zip

  2. 机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。在过去的十年中，机器学习帮助我们自动驾驶汽车，有效的语音识别，有效的网络搜索，并极大地提高了人类基因组的认识。在本课中，将学习最有效的机器学习技术，并获得实践，让它们为自己的工作。更重要的是，不仅得到理论基础的学习，而且获得那些需要快速和强大的应用技术解决问题的实用技

  3. 所属分类：机器学习

  1. 机器学习个人笔记完整版v5.4.docx

  2. 本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。 （二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。 （三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何运用学习算法构建智能机器人（感知，控制），文本的理解（Web搜索，反垃圾邮件），计算机视觉，医疗信息，音频，数据挖掘，和其他领域。 本课程需要10周共1

  3. 所属分类：机器学习

    • 发布日期：2020-02-15
    • 文件大小：760kb
    • 提供者：kuaileren003

  1. AndrewNG机器学习笔记v5.4—黄海广.pdf

  2. 本笔记是针对斯坦福大学 2014 年机器学习课程视频做的个人笔记。本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。 （二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。 （三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。

  3. 所属分类：机器学习

    • 发布日期：2020-01-26
    • 文件大小：8mb
    • 提供者：Leytton

  1. 机器学习个人笔记完整版v5.33-A4打印版

  2. 斯坦福大学2014 机器学习教程 个人笔记（V5.33） 本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。 （二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。 （三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。

  3. 所属分类：机器学习

    • 发布日期：2019-03-17
    • 文件大小：4mb
    • 提供者：ringboycn

  1. 大数据挖掘分析与应用笔记

  2. 第一讲、环境部署 1.Python是一种面向对象的解释型计算机程序设计语言 2.语言特征：编译性语言、解释性语言（python平台兼容性）、动态语言、静态语言、强数据类型（仅能强制转换类型安全的语言）、弱数据类型（一个变量可赋予不同数据类型的值） 3.python环境部署：网址www.python.org 选择的最低版本不小于3.5 配置完成python3环境后，配置IDE的工具，推荐vscode、pycharm 第二讲、基本知识 学习目标：掌握变量、语句、缩进、注释 掌握输入和输出语句 掌握编

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：67kb
    • 提供者：weixin_38732744

  1. 20200401零基础入门数据挖掘 – 二手车交易价格预测笔记（4）

  2. 四、建模与调参 4.1 线性回归模型： 线性回归对于特征的要求； 处理长尾分布； 理解线性回归模型； 4.2 模型性能验证： 评价函数与目标函数； 交叉验证方法； 留一验证方法； 针对时间序列问题的验证； 绘制学习率曲线； 绘制验证曲线； 4.3 嵌入式特征选择： Lasso回归； Ridge回归； 决策树； 4.4 模型对比： 常用线性模型； 常用非线性模型； 4.5 模型调参： 贪心调参方法； 网格调参方法； 贝叶斯调参方法； 下面节选一些我学习比较多的地方进行记录： 4.1.1 线性回归

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：277kb
    • 提供者：weixin_38716460

  1. 组队学习2：Pandas索引（一）（基于Python）

  2. 组队学习介绍   最近事情太多（以及人太懒），好久没有空更新博客，遂报名公众号Datawhale的Pandas学习小组来督促自己学习。学习小组的目的主要是细致地学习Python中的第三方模块Pandas，该模块用于数据导入及整理的模块，对数据挖掘前期数据的处理工作十分有用。   学习小组的时间安排大致如下： Task01：Pandas基础（1天） Task02：索引（3天） Task03：分组（2天） Task04：变形（2天） Task05：合并（2天） Task06：综合练习（1天）   学

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：834kb
    • 提供者：weixin_38656374

  1. 学习笔记(02):零基础搞定Python数据分析与挖掘-数据分析的流程

  2. 立即学习:https://edu.csdn.net/course/play/6861/326736?utm_source=blogtoedu ROI=收入/投入，大于1为挣钱 SEMMA S:sample（收集数据，基于需求，有针对性行的收集可以解决问题的数据） E:explore（数据探索，以求对数据的进一步了解） M:modify（数据修正，便于下一步的分析和建模） M:model（数据建模，侧重于未知事件的预测） A: assess（模型评估，检验模型的稳定性以及实用性。） 作者：卢云伟

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：26kb
    • 提供者：weixin_38692043

  1. 优酷网架构学习笔记

  2. 记得以前给大家介绍过视频网站龙头老大YouTube的技术架构，相信大家看了都会有不少的感触，互联网就是这么一个神奇的东西。今天我突然想到，优酷网在国内也算是视频网站的老大了，不知道他的架构相对于YouTube是怎么样的，于是带着这个好奇心去网上找了优酷网架构的各方面资料，虽然谈得没有YouTube那么详细，但多少还是挖掘了一点，现在总结一下，希望对喜欢架构的朋友有所帮助。据2010年统计，优酷网日均独立访问人数（uv)达到了8900万，日均访问量（pv）更是达到了17亿，优酷凭借这一数据成为go

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：462kb
    • 提供者：weixin_38535848

  1. 数据挖掘学习笔记（一）

  2. 概述 数据分析与数据挖掘 1.数据分析 采用适当的统计分析方法对收集到的数据进行分析、概括和总结，对数据进行恰当的描述，提取有用的信息的过程。 数据分析一般具有比较明确的目标，可以根据数据分析的结果得出适当的判断，用来为以后的决策提供依据。 早在20世纪初期，数据分析的基础就已经确立。 数据分析的结果有表格，图(排列图、因果图、散布图、直方图、控制图)等表示方法。 2.数据挖掘（Data Mining,DM） 从海量的数据中通过相关的算法来发现隐藏在数据中的规律和知识的过程。 在大量的、未经过加

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：49kb
    • 提供者：weixin_38628552

  1. 组队学习6：综合题（一）（基于Python）

  2. 组队学习介绍   最近事情太多（以及人太懒），好久没有空更新博客，遂报名公众号Datawhale的Pandas学习小组来督促自己学习。学习小组的目的主要是细致地学习Python中的第三方模块Pandas，该模块用于数据导入及整理的模块，对数据挖掘前期数据的处理工作十分有用。   学习小组的时间安排大致如下： Task01：Pandas基础（1天） Task02：索引（3天） Task03：分组（2天） Task04：变形（2天） Task05：合并（2天） Task06：综合练习（1天）   学

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：85kb
    • 提供者：weixin_38600696
« 12 »