以下内容为转发Hulu公众号的链接,更全内容可查看书籍
- 0 序
- 1 模型评估
- 2 SVM模型
- 3 优化简介
- 4 采样
- 5 余弦距离
- 6 PCA算法
- 7 非监督学习算法与评估
- 8 强化学习(一),强化学习(二)
- 9 循环神经网络
- 10 LSTM
- 11 Seq2Seq
- 12 注意力机制
- 13 集成学习
- 14 如何对高斯分布进行采样
- 15 多层感知机与布尔函数
- 16 经典优化算法
- 17 随机梯度下降算法之经典变种
- 18 SVM—核函数与松弛变量
- 19 主题模型
- 20 PCA最小平方误差理论
- 21 分类、排序、回归模型的评估
- 22 特征工程—结构化数据
- 23 神经网络训练中的批量归一化
- 24 随机梯度下降法
- 25 初识生成式对抗网络(GANs)
- 26 隐马尔科夫模型
- 27 自组织映射神经网络
- 28 概率图模型
- 29 WGANs:抓住低维的幽灵
- 30 常见的采样方法