白尔摩斯_个人页

01 隐马尔可夫模型 - 马尔可夫链、HMM参数和性质

一、马尔可夫性质 __先直白得讲性质：__当前的状态只和上一时刻有关，在上一时刻之前的任何状态都和我无关。我们称其__符合__马尔可夫性质。 下面是理论化的阐述：设{X(t), t ∈ T}是一个__随机过程__，E为其状态空间，若对于任意的t1 二、马尔可夫链 马尔可夫链 是指具有马尔可夫性质的随机过程。

05 EM算法 - 高斯混合模型 - GMM

04 EM算法 - EM算法收敛证明

03 EM算法 - EM算法流程和直观案例

02 EM算法 - K-means算法回顾、EM概述

01 EM算法 - 大纲 - 最大似然估计(MLE)、贝叶斯算法估计、最大后验概率估计(MAP)

04 贝叶斯算法 - 贝叶斯网络

03 贝叶斯算法 - 案例二 - 新闻数据分类

02 贝叶斯算法 - 案例一 - 鸢尾花数据分类

01 贝叶斯算法 - 朴素贝叶斯

14 聚类算法 - 代码案例六- 谱聚类(SC)算法案例

13 聚类算法 - 谱聚类

12 聚类算法 - 代码案例五 - 密度聚类(DBSCAN)算法案例

11 聚类算法 - 密度聚类 - DBSCAN、MDCA

10 聚类算法 - 代码案例四 - 层次聚类(BIRCH)算法参数比较

09 聚类算法 - 层次聚类 - CF-Tree、BIRCH、CURE

08 聚类算法 - 聚类算法的衡量指标

07 聚类算法 - 代码案例三 - K-Means算法和Mini Batch K-Means算法效果评估

06 聚类算法 - 代码案例二 - K-Means算法和Mini Batch K-Means算法比较

05 聚类算法 - 二分K-Means、K-Means++、K-Means||、Canopy、Mini Batch K-Means算法

04 聚类算法 - 代码案例一 - K-means聚类

03 聚类算法 - K-means聚类

02 聚类算法 - 相似度距离公式、维度灾难

01 聚类算法 - 大纲

17 SVM - 代码案例四 - 不同SVM惩罚参数C值不同效果比较

16 SVM - 代码案例三 - 不同SVM核函数效果比较

15 SVM - 代码案例二 - 鸢尾花数据不同分类器效果比较

14 SVM - 代码案例一 - 鸢尾花数据SVM分类

13 SVM - SVR（回归问题的SVM）

12 SVM - SMO - 初始β变量的选择、总结

11 SVM - SMO - 序列最小优化算法

10 SVM - 核函数

09 SVM - 线性不可分模型

08 SVM - 软间隔模型算法流程

07 SVM - 软间隔模型

06 SVM - 线性可分模型算法和案例

05 SVM - 支持向量机 - 概念、线性可分

04 SVM - 感知器模型

03 SVM - KKT条件

02 SVM - 拉格朗日乘子法

01 SVM - 大纲

本章开始进入SVM的讲解。SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。

11 集成学习 - XGBoost案例 - 波士顿房价进行预测

10 集成学习 - XGBoost的学习策略

09 集成学习 - XGBoost公式推导

08 集成学习 - XGBoost概述

07 集成学习 - 随机森林案例一：宫颈癌预测 - 缺省数据填充策略、PCA降维、ROC曲线、标签二值化

06 集成学习 - Boosting - GBDT算法原理、总结

05 集成学习 - Boosting - GBDT初探

04 集成学习 - Boosting - AdaBoost算法构建

03 集成学习 - Boosting - AdaBoost算法原理