×

大数据统计机器学习算法精讲

1984 人学习     
请稍等,离广告结束还有10
>>
视频信息:不能播放?点击修复
  • 01_Decision Tree(决策树)_理论上的标记
  • 02_Decision Tree(决策树)_随机森林和准确率
  • 03_Decision Tree(决策树)_熵的度量标准
  • 04_Decision Tree(决策树)_熵的定义标签
  • 05_Decision Tree(决策树)_推导条件概率的定义式
  • 06_Decision Tree(决策树)_根据条件熵的定义式
  • 07_Decision Tree(决策树)_决策树的实例1
  • 08_Decision Tree(决策树)_决策树实例2
  • 09_Decision Tree(决策树)_决策树的理论介绍1
  • 10_Decision Tree(决策树)_信息增益的理论介绍2
  • 11_Decision Tree(决策树)_韦恩图与互信息
  • 12_Decision Tree(决策树)_条件熵和互信息
  • 13_Decision Tree(决策树)_决策树的标记
  • 14_Decision Tree(决策树)_ID3的流程
  • 15_Decision Tree(决策树)_条件熵的最终解法
  • 16_Decision Tree(决策树)_分析一下熵
  • 17_Decision Tree(决策树)_信息增益率C4.5的计算方法
  • 18_Decision Tree(决策树)_决策树的Gini系数推导过程
  • 19_Decision Tree(决策树)_决策树的评价
  • 20_Decision Tree(决策树)_决策树的评价函数
  • 21_Decision Tree(决策树)_决策树实现Iris鸢尾花分类1
  • 22_Decision Tree(决策树)_决策树实现Iris鸢尾花分类2
  • 23_Decision Tree(决策树)_决策树实现Iris鸢尾花分类3
  • 24_Decision Tree(决策树)_决策树实现Iris鸢尾花分类4
  • 25_Decision Tree(决策树)_决策树实现Iris鸢尾花分类5
  • 26_Random Forest(随机森林)_Bagging的策略1
  • 27_Random Forest(随机森林)_Bagging的策略2
  • 28_Random Forest(随机森林)_随机森林回归问题