机器学习的算法与实践
社区首页 (3587)




请编写您的帖子内容
社区频道(8)
显示侧栏
卡片版式
机器学习的算法与实践
Tensorflow Keras实战教程
大数据教程---Hadoop/Spark的技术与实践
8天快速掌握机器学习实践
信息新技术全集教程
联邦学习与多方安全计算
基于大模型LLM的开发与编程教程
智能体开发教程

38
评分
回复


第13个算法:特征工程之SVD及特征工程算法小结
课时名称课时知识点第13个算法:特征工程之SVD及特征工程算法小结讲解特征工程算法奇异值分解算法SVD及用法示例
复制链接 扫一扫
分享

52
评分
回复


其它常用算法:推荐引擎与关联算法
课时名称课时知识点其它常用算法:推荐引擎与关联算法本课时介绍算法比较简单但应用比较广泛的协同过滤推荐算法与关联算法
复制链接 扫一扫
分享

45
评分
回复


第14个算法:增强学习Markov动态规划MDP:伯尔曼方程
课时名称课时知识点第14个算法:增强学习Markov动态规划MDP:伯尔曼方程本节引入增强学习Markov动态规划MDP算法中伯尔曼方程推导
复制链接 扫一扫
分享


60
评分
回复


机器学习分布式计算框架:MR、MPI、参数服务器
课时名称课时知识点机器学习分布式计算框架:MR、MPI、参数服务器本节介绍机器学习常用的三种分布式计算框架,MR、MPI、参数服务器
复制链接 扫一扫
分享

41
评分
回复


模型评估---1:混淆矩阵与F-Score
课时名称课时知识点模型评估---1:混淆矩阵与F-Score介绍模型评估的混淆矩阵,准确率、精确率、召回率及F-Score指标
复制链接 扫一扫
分享

39
评分
回复


第14个算法:增强学习动态规划MDP:策略/值迭代与示例
课时名称课时知识点第14个算法:增强学习动态规划MDP:策略/值迭代与示例本节介绍MDP动态规划策略/值迭代决策过程,以及钟摆程序示例
复制链接 扫一扫
分享

55
评分
回复


第九个算法:UML之KMeans聚类、程序及迭代过程示例
课时名称课时知识点第九个算法:UML之KMeans聚类、程序及迭代过程示例介绍非监督学习UML的KMeans聚类算法,初步程序示例,以及动态迭代过程展示
复制链接 扫一扫
分享

46
评分
回复


第六个算法:决策树ID3、C4.5、CART
课时名称课时知识点第六个算法:决策树ID3、C4.5、CART对三种决策树ID3、C4.5、CART算法分别进行讲解
复制链接 扫一扫
分享

39
评分
回复


第12个算法:特征工程之独立成分分析ICA、用法及混声分离示例
课时名称课时知识点第12个算法:特征工程之独立成分分析ICA、用法及混声分离示例讲解独立成分分析ICA算法推导,及用法与混合声音提取分离示例
复制链接 扫一扫
分享

44
评分
回复


第六个算法:决策树、信息增益、程序与树绘图示例
课时名称课时知识点第六个算法:决策树、信息增益、程序与树绘图示例讲解决策树算法构建原理、流程,基尼系数、熵、信息增益与程序示例
复制链接 扫一扫
分享

36
评分
1


第九个算法:UML之KMeans聚类进行图像压缩示例
课时名称课时知识点第九个算法:UML之KMeans聚类进行图像压缩示例利用KMeans聚类算法,对实际图像进行压缩的程序示例讲解
复制链接 扫一扫
分享


42
评分
回复


第11个算法:特征工程之PCA:降维代码示例
课时名称课时知识点第11个算法:特征工程之PCA:降维代码示例用程序代码进行PCA算法特征降维后保持原样本信息的示例
复制链接 扫一扫
分享

83
评分
回复


第五个算法:多项式朴素贝叶斯模型与垃圾邮件分类程序实例
课时名称课时知识点第五个算法:多项式朴素贝叶斯模型与垃圾邮件分类程序实例多项式朴素贝叶斯模型公式,计算方法与垃圾邮件分类程序实例
复制链接 扫一扫
分享

47
评分
回复


第十个算法:UML之 EM算法---1:算法求解推导
课时名称课时知识点第十个算法:UML之 EM算法---1:算法求解推导介绍另一个UML算法:EM(Expectation-Maximum)算法的求解过程推导
复制链接 扫一扫
分享

46
评分
回复


第11个算法:特征工程之PCA:算法推导
课时名称课时知识点第11个算法:特征工程之PCA:算法推导讲解特征工程最典型的算法:主成分分析法PCA的推导过程
复制链接 扫一扫
分享

48
评分
回复


第五个算法:伯努利朴素贝叶斯模型与垃圾邮件分类
课时名称课时知识点第五个算法:伯努利朴素贝叶斯模型与垃圾邮件分类伯努利朴素贝叶斯模型公式,计算方法与垃圾邮件分类示例
复制链接 扫一扫
分享

43
评分
回复


第十个算法:UML之 EM算法---2:伯努力实验与高斯混合分布实例讲解
课时名称课时知识点第十个算法:UML之 EM算法---2:伯努力实验与高斯混合分布实例讲解分别用伯努力实验示例演示EM算法求解过程,与高斯混合分布程序实例形象讲解EM算法与效果
复制链接 扫一扫
分享

为您搜索到以下结果:
2
社区成员
376
社区内容





石逸凡的课程社区_NO_1
北京大学博士后,BAT大型互联网公司大数据智能总监,第一界中国软件业十大杰出青年候选人,曾任重点大学计算机教师,20年以上人工智能算法应用、大数据、数据架构与中台等领域的实际项目开发、设计规划与授课经验,出版技术专著三部,美国工程索引IEEE EI论文6篇,自主软件版权一项,美国软件专利一项
复制链接 扫一扫

确定
社区描述
北京大学博士后,BAT大型互联网公司大数据智能总监,第一界中国软件业十大杰出青年候选人,曾任重点大学计算机教师,20年以上人工智能算法应用、大数据、数据架构与中台等领域的实际项目开发、设计规划与授课经验,出版技术专著三部,美国工程索引IEEE EI论文6篇,自主软件版权一项,美国软件专利一项
加入社区
获取链接或二维码
- 近7日
- 近30日
- 至今
加载中
社区公告
暂无公告