搜索
公开课网
21 第22章 无监督学习方法总结.pptx
21 第22章 无监督学习方法总结.pptx
{{#tag}} {{#state}}
已收藏
{{/state}} {{^state}}
请收藏
{{/state}} {{/tag}}
页数:
19
页
文件大小:
883.5 KB
下载课件
{{#n}}
{{/n}}
下一页
(还剩17页)
{{#src}}
{{/src}}
《清华大学 统计学习方法》课件目录
01 第1章 机器学习和统计学习
75页
02 第2和12章 感知机和统计学习方法总结
27页
03 第3章 k-近邻算法
69页
04 第4章 贝叶斯分类器
79页
05 第5章 决策树
98页
06 第6章 Logistic回归
75页
07 第7章 SVM及核函数
158页
08 第8章 adaboost
75页
09 第9章 EM算法
48页
10 第10章 隐马尔科夫模型
64页
11 第11章 条件随机场
63页
12 第13章 无监督学习概论
27页
13 第14章 聚类方法
52页
14 第15章 奇异值分解
66页
15 第16章 主成分分析
67页
16 第17章 潜在语义分析
49页
17 第18章 概率潜在语义分析
32页
18 第19章 马尔科夫链蒙特卡洛法
107页
19 第20章 潜在狄利克雷分布
106页
20 第21章 PageRank算法
57页
21 第22章 无监督学习方法总结
19页
{{#wzts}}
{{#downurl}}
下载地址:
{{downurl}}
{{/downurl}} {{#title}}
{{{a}}}
{{#b}}
{{{b}}}
{{/b}} {{/title}} {{#nolog}}
登陆
注册
{{/nolog}} {{#djsx}}
点我刷新
{{/djsx}} {{#gocz}}
去充值
{{/gocz}} {{#ffqr}}
{{/ffqr}}
{{/wzts}}
{{#wzts}}
{{#canceltext}}
{{canceltext}}
{{/canceltext}} {{#oktext}}
{{oktext}}
{{/oktext}}
{{/wzts}}
var arr=[]; MIP.watch('t', function (newVal, oldVal) { var img_tj = MIP.getData('img_tj'); var list = MIP.getData('list'); var t = MIP.getData('t'); var fd = MIP.getData('t'); var fdz = 'tp' + fd; var tpp = MIP.getData(fdz); var fdl = parseInt(fd)+1; var fdlz = 'tp' + fdl; var tppl = MIP.getData(fdlz); if (arr[fd] !== 'aaa' && newVal < img_tj){ MIP.setData({list : list.concat({n : tpp}),img_sy : '还剩余' + ( img_tj - newVal - 1) + '页'}); arr[fd] = 'aaa'; }else{ MIP.setData({list : list.concat({n : tpp}),img_sy : '已经加载完毕!',xyy : '欢迎进行下载!'}); } });