Note: 网上视频教程的顺序都是有错误的,查证后再看,不然心乱。。
1.统计机器学习
序号 | 名称 |
---|
01. | 概率基础 |
02. | 随机变量1 |
03. | 随机变量2 |
04. | 高斯分布 |
05. | 连续分布 |
06. | 例子 |
07. | scale mixture pisribarin |
08. | jeffrey prior |
09. | statistic interence |
10. | Laplace 变换 |
11. | 多元分布定义 |
12. | 概率变换 |
13. | jacobian |
14. | wedge production |
15. | 统计量 |
16. | 多元正态分布 |
17. | Wishart 分布 |
18. | 矩阵元Beta分布 |
19. | 统计量 充分统计量 |
20. | 指数值分布 |
21. | 共轭先验性质 |
22. | Entropy |
23. | KL distance |
24. | properties |
25. | 概率不等式1 |
26. | 概率不等式2 |
27. | 概率不等式1 |
28. | 概率不等式2 |
29. | 概率不等式3 |
30. | 概率不等式 |
31. | 随机投影 |
32. | John引理 |
33. | Stochastic Convergence-概念 |
34. | Stochastic Convergence-性质 |
35. | Stochastic Convergence-应用 |
36. | EM算法1 |
37. | EM算法 |
38. | EM算法3 |
39. | Markov Chain Monte carlo1 |
40. | Markov Chain Monte carlo2 |
41. | Bayesian Classification |
2.机器学习导论
序号 | 名称 |
---|
01. | 基本概念 |
02. | 随机向量 |
03. | 随机向量的性质 |
04. | 条件期望 |
05. | 多元高斯分布 |
06. | 分布的性质 |
07. | 多元高斯分布及其运用 |
08. | 多项式分布 |
09. | 渐进性质 |
10. | 核定义 |
11. | 正定核性质 |
12. | 正定核应用 |
13. | 主元分析 |
14. | 主坐标分析 |
15. | 核主元分析 |
16. | 概率PCA |
17. | 最大似然估计方法 |
18. | 期望最大算法 |
19. | EM算法的收敛性 |
20. | MDS方法 |
21. | MDS中加点方法 |
22. | T矩阵范式 |
23. | 次导数 |
24. | 矩阵次导数 |
25. | Matrix_Completion |
26. | K_means algorithm |
27. | spectral clustering |
28. | 谱聚类1 |
29. | 谱聚类2 |
30. | Fisher判别分析 |
31. | Fisher Discriminant Analysis |
32. | computational Methods1 |
33. | computational Methods2 |
34. | Kernel FDA |
35. | Linear classification1 |
36. | Linear classification2 |
37. | Naive Bayes 方法 |
38. | Support Vector Machinese1 |
39. | Support Vector Machinese2 |
40. | SVM |
41. | Boosting1 |
42. | Boosting2 |