|
|
课程介绍
+ r4 J7 l( x1 ~
, t2 e) Y, h$ n j k9 S这是一套概率论与数理统计的专题课程，人工智能开发必备数学技能，也适用于数据分析数据挖掘。2 c; w8 U$ L6 v
( [- z2 l6 H* K! V& u; |
课程目录 y! J' x9 ^2 r! F9 F3 B
第1课 概率论基础1 f! A( q7 l& x5 F8 {0 ?
$ x. N* B6 [5 Y3 m0 S' G1 d
4 f1 M+ {! ]2 Y知识点1：概率论基础，贝叶斯公式，常见分布与共轭分布, `6 c, e8 Q& `7 \! b
实战项目：朴素贝叶斯分类(上): {( t8 v8 F- F
第2课 参数估计. i+ `$ ^# F3 l2 a
( f; T8 Z* Y4 O6 F7 H4 \. Y
+ H2 \6 Y" J5 |: h知识点1：分布的特征函数，切比雪夫不等式、大数定理、中心极限定理
( `( P! K) o8 |7 Y5 B知识点2：矩估计，极大似然估计 s# P- C! j5 t: I4 z/ W
实战项目：朴素贝叶斯分类(下)，逻辑回归6 F j, i! X! q) ?3 b
第3课 参数估计的渐进性质
) W' o, b/ d" C8 W) l2 Y* n" H5 h9 z3 g7 g8 {
1 E ~& f1 f- J8 e r/ A* s( t
知识点1：凸函数，参数估计的渐进性质' U( ]5 Q' `2 L0 _! m% G5 `4 W! V
实战项目：区间估计，线性回归中统计量的含义% @* q+ k% z+ ~% f+ I: ? {. X
第4课 概率统计在机器学习中的应用
5 P* J6 C" q' U7 Q* O1 I5 J9 K1 k$ W9 `* `
# p q: Q/ m! g8 e$ ^3 R
知识点1：EM算法原理分析
9 Q+ v) g+ e0 B$ `6 a知识点2：EM算法用于高斯混合模型的参数估计 A* j( c% [1 u: E
知识点3：EM算法用于缺失值的处理
# U% b+ Z" f* M4 Q' m# o: g课程大小' n" b5 u- z! n
5 B5 z: T9 q, ]- z5 \4 I
下载地址
, x5 V/ R" {* r7 Q: u回复可查看课程下载链接&提取码(10)- g; g* b$ f4 ~+ d4 n
" s7 V. s9 H2 V( W( ^
* { }& y1 j9 h
1 s- Z* B" W) X& m# c1 a. b N$ n$ @" N" B; B9 V$ q
+ \2 B& \9 P! ^5 A
6 f0 L3 O8 I/ W% [7 Q资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见; [8 k* g/ e2 G1 M
! m) y( Q( b7 N
- H3 m, C7 c! a2 s: {
. A1 v, i! E3 s: y* _
本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2022-6-24 14:33:01
