APP下载
反馈
8.前向后向算法评估观察序列概率(上)
848 播放
收藏
下载
手机看
登录后可发评论

评论沙发是我的~

热门评论(0)
    全部评论(0)
      选集(281)
      自动播放
      [1] 1.机器学习科学计算库内容简介
      2753播放
      04:06
      [2] 2.人工智能概述(上)
      2589播放
      06:12
      [3] 2.人工智能概述(下)
      1753播放
      06:16
      [4] 3.人工智能的发展历程
      1061播放
      07:00
      [5] 4.人工智能主要分支
      1295播放
      07:04
      [6] 5.机器学习定义工作流程概述
      1047播放
      04:15
      [7] 6.机器学习工作流程各步骤解释(上...
      1613播放
      07:24
      [8] 6.机器学习工作流程各步骤解释(下...
      1144播放
      07:24
      [9] 7.机器学习算法分类介绍(上)
      1068播放
      06:22
      [10] 7.机器学习算法分类介绍(下)
      765播放
      06:21
      [11] 8.模型评估
      1248播放
      08:51
      [12] 9.Azure机器学习平台实验演示...
      1614播放
      07:27
      [13] 9.Azure机器学习平台实验演示...
      923播放
      07:30
      [14] 10.Azure机器学习平台实验演...
      872播放
      06:04
      [15] 11.深度学习简介
      1283播放
      04:50
      [16] 12.基础环境安装
      1196播放
      03:52
      [17] 13.jupyter notebo...
      1366播放
      08:48
      [18] 13.jupyter notebo...
      758播放
      08:51
      [19] 14.jupyter notebo...
      1411播放
      06:40
      [20] 15.matplotlib的基本使...
      1399播放
      07:26
      [21] 1.实现基础绘图-某城市温度变换图
      1469播放
      05:58
      [22] 2.绘图辅助功能完善-某城市温度变...
      1286播放
      08:35
      [23] 2.绘图辅助功能完善-某城市温度变...
      1114播放
      08:40
      [24] 3.在一个坐标系下绘制多个图像
      1313播放
      08:04
      [25] 4.在多个坐标系下绘制多个图像(上...
      1026播放
      08:51
      [26] 4.在多个坐标系下绘制多个图像(下...
      1449播放
      08:50
      [27] 5.常见图形绘制(上)
      1133播放
      05:42
      [28] 5.常见图形绘制(下)
      698播放
      05:46
      [29] 6.numpy介绍(上)
      1255播放
      05:11
      [30] 6.numpy介绍(下)
      914播放
      05:11
      [31] 7.ndarray介绍(上)
      998播放
      05:27
      [32] 7.ndarray介绍(下)
      663播放
      05:29
      [33] 8.创建0,1数组,固定范围数组
      658播放
      09:32
      [34] 9.创建随机数组(上)
      1104播放
      06:53
      [35] 9.创建随机数组(下)
      776播放
      06:53
      [36] 10.数组的基本操作(上)
      600播放
      07:16
      [37] 10.数组的基本操作(下)
      1126播放
      07:19
      [38] 11.ndarray的运算(上)
      1277播放
      08:31
      [39] 11.ndarray的运算(下)
      769播放
      08:28
      [40] 12.数组间运算
      1099播放
      09:10
      [41] 13.矩阵复习(上)
      1192播放
      06:09
      [42] 13.矩阵复习(下)
      552播放
      06:10
      [43] 14.pandas介绍
      634播放
      02:43
      [44] 15pandas数据结构-seri...
      607播放
      07:53
      [45] 16.pandas数据结构-Dat...
      1509播放
      05:12
      [46] 16.pandas数据结构-Dat...
      736播放
      05:18
      [47] 17.pandas数据结构-Dat...
      1330播放
      06:40
      [48] 18.pandas数据结构-mul...
      1155播放
      05:37
      [49] 18.pandas数据结构-mul...
      971播放
      05:37
      [50] 1.pandas中的索引(上)
      1380播放
      06:30
      [51] 1.pandas中的索引(下)
      1246播放
      06:28
      [52] 2.赋值和排序
      955播放
      07:44
      [53] 3.pandas中的算术运算和逻辑...
      1332播放
      08:13
      [54] 4.pandas中的统计函数
      816播放
      06:11
      [55] 5.pandas中的累计统计函数和...
      565播放
      08:56
      [56] 6.pandas中绘图方式介绍
      1258播放
      02:46
      [57] 7.pandas中文件的读取和写入...
      1302播放
      09:49
      [58] 7.pandas中文件的读取和写入...
      711播放
      09:52
      [59] 8.缺失值的处理(上)
      1062播放
      10:16
      [60] 8.缺失值的处理(下)
      566播放
      10:18
      [61] 9.数据离散化(上)
      759播放
      05:59
      [62] 9.数据离散化(下)
      1265播放
      06:00
      [63] 10.数据表的合并
      1336播放
      07:36
      [64] 11.交叉表和透视表介绍(上)
      666播放
      06:58
      [65] 11.交叉表和透视表介绍(下)
      818播放
      06:54
      [66] 12.分组聚合介绍
      852播放
      07:58
      [67] 13.星巴克案例实现
      932播放
      06:08
      [68] 14.电影案例分析1(上)
      999播放
      06:48
      [69] 14.电影案例分析1(下)
      1449播放
      06:54
      [70] 15.电影案例分析(上)
      1163播放
      07:57
      [71] 15.电影案例分析(下)
      653播放
      07:56
      [72] 1.绘制单变量分布
      951播放
      09:12
      [73] 2.绘制双变量分布图形(上)
      598播放
      07:06
      [74] 2.绘制双变量分布图形(下)
      822播放
      07:10
      [75] 3.类别散点图的绘制
      838播放
      06:38
      [76] 4.类别内的数据分布和统计估计(上...
      1312播放
      05:27
      [77] 4.类别内的数据分布和统计估计(下...
      1134播放
      05:30
      [78] 5.NBA数据获取和相关性基本分析...
      1509播放
      05:40
      [79] 5.NBA数据获取和相关性基本分析...
      838播放
      05:44
      [80] 6.对数据进行分析-seaborn...
      1235播放
      07:56
      [81] 6.对数据进行分析-seaborn...
      639播放
      07:59
      [82] 7.衍生变量的可视化实践(上)
      1377播放
      07:11
      [83] 7.衍生变量的可视化实践(下)
      1188播放
      07:09
      [84] 8.球队数据分析(上)
      1199播放
      11:56
      [85] 8.球队数据分析(下)
      642播放
      12:00
      [86] 9.北京市租房数据获取和重复值与空...
      758播放
      09:53
      [87] 10.数据类型转换(面积,户型)(...
      1367播放
      05:21
      [88] 10.数据类型转换(面积,户型)(...
      1040播放
      05:24
      [89] 11.房源数量和位置分布分析
      1511播放
      05:46
      [90] 12.户型数量基本分析(上)
      1358播放
      08:02
      [91] 12.户型数量基本分析(下)
      1471播放
      08:06
      [92] 13.平均租金基本分析(上)
      1042播放
      09:30
      [93] 13.平均租金基本分析(下)
      886播放
      09:34
      [94] 14.面积区间分析(上)
      1253播放
      05:04
      [95] 14.面积区间分析(下)
      1236播放
      05:00
      [96] 1.K-近邻算法简介(上)
      814播放
      05:39
      [97] 1.K-近邻算法简介(下)
      1113播放
      05:36
      [98] 2.K近邻算法api初步使用
      1139播放
      09:36
      [99] 3.机器学习中距离度量介绍(上)
      790播放
      05:40
      [100] 3.机器学习中距离度量介绍(下)
      620播放
      05:47
      [101] 4.K值的选择介绍
      818播放
      06:22
      [102] 5.kd树和kd树的构造过程
      1457播放
      09:33
      [103] 6.kd树案例实现(上)
      1524播放
      08:11
      [104] 6.kd树案例实现(下)
      1282播放
      08:08
      [105] 7.数据集获取和属性介绍(上)
      1450播放
      06:19
      [106] 7.数据集获取和属性介绍(下)
      786播放
      06:25
      [107] 8.数据可视化介绍(上)
      1261播放
      05:02
      [108] 8.数据可视化介绍(下)
      1211播放
      05:00
      [109] 9.数据集的划分
      1280播放
      09:38
      [110] 10.特征预处理简介
      848播放
      04:04
      [111] 11.归一化和标准化介绍(上)
      722播放
      08:08
      [112] 11.归一化和标准化介绍(下)
      1276播放
      08:11
      [113] 12.鸢尾花种类预测(上)
      750播放
      07:30
      [114] 12.鸢尾花种类预测(下)
      997播放
      07:31
      [115] 13.KNN算法总结
      1139播放
      04:43
      [116] 14.交叉验证、网格搜索概念介绍
      1147播放
      06:28
      [117] 15.交叉验证、网格搜索案例实现
      616播放
      07:48
      [118] 1.案例-Facebook位置预测...
      1481播放
      09:00
      [119] 2.案例-Facebook位置预测...
      1325播放
      09:45
      [120] 2.案例-Facebook位置预测...
      1438播放
      09:46
      [121] 3.案例-Facebook位置预测...
      611播放
      07:20
      [122] 3.案例-Facebook位置预测...
      778播放
      07:23
      [123] 4.补充-数据分割和留出法
      1334播放
      08:21
      [124] 5.补充-交叉验证法和自助法(上)
      1120播放
      06:58
      [125] 5.补充-交叉验证法和自助法(下)
      1509播放
      06:55
      [126] 6.线性回归简介
      918播放
      06:32
      [127] 7.初始线性回归api
      588播放
      05:49
      [128] 8.数学:求导
      1004播放
      05:29
      [129] 9.线性回归中损失函数的介绍
      887播放
      05:12
      [130] 10.使用正规方程对损失函数进行优...
      983播放
      05:21
      [131] 10.使用正规方程对损失函数进行优...
      897播放
      05:18
      [132] 11.使用梯度下降法对损失函数进行...
      602播放
      06:13
      [133] 11.使用梯度下降法对损失函数进行...
      714播放
      06:14
      [134] 12.梯度下降法方法介绍(上)
      1495播放
      06:58
      [135] 12.梯度下降法方法介绍(下)
      1120播放
      07:02
      [136] 13.线性回归api再介绍
      1075播放
      03:12
      [137] 14.波士顿房价预测案例(上)
      1108播放
      09:13
      [138] 14.波士顿房价预测案例(下)
      540播放
      09:17
      [139] 15.欠拟合和过拟合的介绍
      966播放
      07:37
      [140] 16.正则化线性模型
      765播放
      05:59
      [141] 17.岭回归介绍
      726播放
      08:00
      [142] 18.模型保存和加载
      1073播放
      07:37
      [143] 2.逻辑回归api介绍
      655播放
      02:43
      [144] 3.肿瘤预测案例(上)
      1023播放
      08:03
      [145] 3.肿瘤预测案例(下)
      1343播放
      08:04
      [146] 4.分类评估方法介绍(上)
      562播放
      10:31
      [147] 4.分类评估方法介绍(下)
      1164播放
      10:34
      [148] 5.roc曲线绘制过程
      793播放
      09:52
      [149] 6.补充-类别不平衡数据介绍
      1501播放
      09:11
      [150] 7.补充-过采样和欠采样介绍(上)
      722播放
      05:38
      [151] 7.补充-过采样和欠采样介绍(下)
      1059播放
      05:43
      [152] 8.决策树算法简介
      668播放
      02:51
      [153] 9.熵的介绍
      1181播放
      08:30
      [154] 10.信息增益的介绍
      1108播放
      09:40
      [155] 11.信息增益率的介绍(上)
      605播放
      06:47
      [156] 11.信息增益率的介绍(下)
      820播放
      06:44
      [157] 12.基尼指数的介绍
      1371播放
      09:13
      [158] 13.决策树划分原理小结
      1292播放
      05:21
      [159] 14.cart剪枝介绍(上)
      588播放
      06:40
      [160] 14.cart剪枝介绍(下)
      865播放
      06:39
      [161] 15.字典特征提取(上)
      1366播放
      06:45
      [162] 15.字典特征提取(下)
      1481播放
      06:44
      [163] 16.英文文本特征提取
      1070播放
      09:10
      [164] 17.中文文本特征提取(上)
      1066播放
      08:21
      [165] 17.中文文本特征提取(下)
      1499播放
      08:27
      [166] 2.泰坦尼克号乘客生存预测(上)
      1368播放
      10:10
      [167] 2.泰坦尼克号乘客生存预测(下)
      973播放
      10:09
      [168] 3.树木可视化操作
      970播放
      07:58
      [169] 4.回归决策树介绍(上)
      900播放
      05:19
      [170] 4.回归决策树介绍(下)
      674播放
      05:25
      [171] 5.回归决策树和线性回归对比(上)
      1011播放
      06:16
      [172] 5.回归决策树和线性回归对比(下)
      1433播放
      06:20
      [173] 6.集成学习基本介绍
      1325播放
      03:49
      [174] 7.bagging和随机森林(上)
      1514播放
      10:05
      [175] 7.bagging和随机森林(下)
      1500播放
      10:08
      [176] 8.otto案例介绍以及数据获取(...
      781播放
      06:10
      [177] 8.otto案例介绍以及数据获取(...
      565播放
      06:08
      [178] 9.otto数据基本处理(上)
      935播放
      05:50
      [179] 9.otto数据基本处理(下)
      779播放
      05:56
      [180] 10.otto数据模型基本训练(上...
      1039播放
      06:19
      [181] 10.otto数据模型基本训练(下...
      772播放
      06:19
      [182] 11.模型调优和确定最优模型(上)
      1253播放
      12:29
      [183] 11.模型调优和确定最优模型(下)
      832播放
      12:34
      [184] 12.生成提交数据
      793播放
      09:13
      [185] 13.boosting介绍(上)
      689播放
      06:36
      [186] 13.boosting介绍(下)
      1463播放
      06:40
      [187] 14.GBDT的介绍(上)
      1497播放
      07:41
      [188] 14.GBDT的介绍(下)
      805播放
      07:40
      [189] 1.聚类算法介绍
      1227播放
      03:29
      [190] 2.聚类算法api初步实现(上)
      652播放
      05:30
      [191] 2.聚类算法api初步实现(下)
      1485播放
      05:34
      [192] 3.聚类算法实现流程
      1076播放
      05:58
      [193] 4.模型评估(上)
      853播放
      05:24
      [194] 4.模型评估(下)
      714播放
      05:24
      [195] 5.算法优化介绍(上)
      1234播放
      06:00
      [196] 5.算法优化介绍(下)
      696播放
      05:59
      [197] 6.特征降维内容介绍(上)
      693播放
      09:48
      [198] 6.特征降维内容介绍(下)
      562播放
      09:46
      [199] 7.pca降维介绍
      1370播放
      06:53
      [200] 8.用户对物品类别的喜好细分案例(...
      1533播放
      07:36
      [201] 8.用户对物品类别的喜好细分案例(...
      1014播放
      07:33
      [202] 9.初始朴素贝叶斯
      1149播放
      02:50
      [203] 10.概率内容复习(上)
      839播放
      07:43
      [204] 10.概率内容复习(下)
      1263播放
      07:43
      [205] 11.朴素贝叶斯计算案例
      915播放
      09:48
      [206] 12.朴素贝叶斯案例实现1
      1448播放
      09:40
      [207] 13.朴素贝叶斯案例实现2(上)
      1020播放
      11:13
      [208] 13.朴素贝叶斯案例实现2(下)
      1197播放
      11:18
      [209] 14.朴素贝叶斯内容总结
      758播放
      04:43
      [210] 1.SVM基本介绍(上)
      743播放
      05:17
      [211] 1.SVM基本介绍(下)
      1126播放
      05:13
      [212] 2.SVM算法api初步使用
      870播放
      02:52
      [213] 3.SVM算法推导的目标函数(上)
      1157播放
      05:18
      [214] 3.SVM算法推导的目标函数(下)
      1402播放
      05:16
      [215] 4.SVM目标函数推导过程及举例(...
      1390播放
      08:05
      [216] 4.SVM目标函数推导过程及举例(...
      1179播放
      08:11
      [217] 5.SVM损失函数
      1387播放
      06:28
      [218] 6.SVM的核方法介绍(上)
      696播放
      05:21
      [219] 6.SVM的核方法介绍(下)
      1597播放
      05:21
      [220] 7.SVM回归介绍
      586播放
      01:24
      [221] 8.SVM算法api再介绍
      705播放
      05:27
      [222] 9.数字识别器案例初步介绍
      1480播放
      05:50
      [223] 10.数字识别器-获取数据
      514播放
      08:27
      [224] 11.数字识别器-数据基本处理和模...
      907播放
      11:58
      [225] 11.数字识别器-数据基本处理和模...
      1148播放
      12:05
      [226] 12.SVM总结
      600播放
      02:24
      [227] 1.初识EM算法
      1199播放
      02:51
      [228] 2.EM算法介绍
      1037播放
      09:05
      [229] 3.EM算法实例(上)
      1601播放
      06:43
      [230] 3.EM算法实例(下)
      1341播放
      06:43
      [231] 4.马尔科夫链的介绍
      635播放
      05:04
      [232] 5.HMM模型的简单案例(上)
      1312播放
      05:47
      [233] 5.HMM模型的简单案例(下)
      1122播放
      05:50
      [234] 6.HMM模型三种经典问题举例求解...
      1035播放
      07:52
      [235] 6.HMM模型三种经典问题举例求解...
      1075播放
      07:48
      [236] 7.HMM模型基础(上)
      824播放
      08:09
      [237] 7.HMM模型基础(下)
      1193播放
      08:12
      [238] 8.前向后向算法评估观察序列概率(...
      848播放
      待播放
      [239] 8.前向后向算法评估观察序列概率(...
      1703播放
      09:24
      [240] 9.维特比算法解码隐藏状态序列(上...
      953播放
      07:35
      [241] 9.维特比算法解码隐藏状态序列(下...
      611播放
      07:38
      [242] 10.鲍姆-韦尔奇算法简介
      1314播放
      02:11
      [243] 11.HMM模型api介绍及案例代...
      1294播放
      08:45
      [244] 11.HMM模型api介绍及案例代...
      909播放
      08:49
      [245] 1.xgboost最优模型构建方法
      1402播放
      05:04
      [246] 2.目标函数确定和树的复杂度介绍
      1394播放
      08:55
      [247] 3.XGBoost目标函数的推导(...
      1313播放
      06:34
      [248] 3.XGBoost目标函数的推导(...
      1325播放
      06:37
      [249] 4.XGBoost的回归树构建方法
      650播放
      05:50
      [250] 5.XGBoost和GBDT的区别
      553播放
      02:32
      [251] 6.xgboost算法api与参数...
      1344播放
      08:23
      [252] 7.xgboost简单案例介绍
      789播放
      08:28
      [253] 8.otto案例xgboost实现...
      1441播放
      10:27
      [254] 8.otto案例xgboost实现...
      1244播放
      10:34
      [255] 9.otto案例xgboost实现...
      997播放
      06:35
      [256] 10.otto案例xgboost实...
      979播放
      08:19
      [257] 10.otto案例xgboost实...
      1078播放
      08:25
      [258] 11.otto案例xgboost实...
      631播放
      07:19
      [259] 1.lightGBM简单介绍
      926播放
      06:41
      [260] 2.lightGBM算法原理介绍(...
      1075播放
      05:08
      [261] 2.lightGBM算法原理介绍(...
      754播放
      05:11
      [262] 3.lightGBM算法api参数...
      1190播放
      06:44
      [263] 4.lightGBM算法简单案例介...
      712播放
      06:28
      [264] 4.lightGBM算法简单案例介...
      717播放
      06:25
      [265] 5.pubg案例简介
      1457播放
      05:38
      [266] 6.获取pubg数据
      619播放
      08:10
      [267] 7.数据缺失值处理和查看每场比赛人...
      732播放
      06:04
      [268] 7.数据缺失值处理和查看每场比赛人...
      1376播放
      06:06
      [269] 8.规范化输出部分数据和部分变量合...
      966播放
      08:51
      [270] 9.异常值处理1(上)
      658播放
      07:47
      [271] 9.异常值处理1(下)
      1318播放
      07:46
      [272] 10.异常值值处理2
      1407播放
      09:27
      [273] 11.类别型数据处理(上)
      823播放
      05:10
      [274] 11.类别型数据处理(下)
      797播放
      05:11
      [275] 12.数据截取、确定特征值和目标值...
      1501播放
      05:00
      [276] 13.使用RF进行模型训练(上)
      1434播放
      06:28
      [277] 13.使用RF进行模型训练(下)
      1188播放
      06:24
      [278] 14.lightGBM对模型调优1...
      1081播放
      05:21
      [279] 14.lightGBM对模型调优1...
      766播放
      05:21
      [280] 15.lightGBM对模型调优2...
      995播放
      05:27
      [281] 15.lightGBM对模型调优2...
      1423播放
      05:24
      为你推荐
      09:24
      4.24全局序列(上)
      691播放
      08:56
      day81—6 模型类序列化器(上...
      1106播放
      06:35
      【27】§4.1 卷积定义及运算性...
      940播放
      06:12
      02-矩阵的定义及例子(下)
      1149播放
      08:29
      112-第四部分第二十七章第三节-...
      1464播放
      15:37
      【分布式】哈希算法(上)
      1093播放
      09:11
      2.2 Variable 变量
      1048播放
      05:41
      3.4典型算法-2(下)
      1014播放
      07:20
      【旧版】07.树-12-遍历序列确...
      1494播放
      07:47
      递归算法(下)
      990播放
      09:16
      LST2-2-1 状态转移矩阵及其...
      1292播放
      28:00
      [第16集] 贪婪算法,最小生成树...
      1418播放