知驿📋 资源介绍
小象学院《机器学习·升级版II》完整课程资源，共73个文件、24.6GB，按24个章节模块组织。资源构成：视频27个（含数学分析、数理统计、矩阵与线性代数、凸优化、Python及机器学习库、回归、决策树与随机森林、提升、XGBoost、SVM、聚类、EM算法、贝叶斯网络、主题模型LDA、隐马尔可夫模型HMM等），配套PDF课件29个、代码压缩包14个（含回归、随机森林、XGBoost、SVM、聚类、EM、朴素贝叶斯、LDA、HMM等实践代码），并附李航《统计学习方法》、PRML、MLAPP等参考文献。适合零基础转行、在校学生及希望系统补齐机器学习理论+实战的开发者。学完可掌握从数学基础到主流算法的完整链路，并能对照代码动手复现。
不想注册？也可 邮箱快速下单（¥22.90）
📦 免费拷贝服务（U盘 / 移动硬盘）
资源费用（50%）归资源提供方；拷贝人工费 U盘 10 元/只、硬盘按容量计费；运费按地区计费，可选顺丰（+100%）；费用合计满 ¥99 普通快递包邮；付款后 48 小时内发货。
费用构成：资源费用的 50% 归资源提供方（创作者分成）；拷贝人工费 U盘 10 元/只、硬盘按容量计费； 设备费为 U盘/硬盘成本。请自行核实资源内容：本店只提供下载和拷贝服务，无法核实商品内容的完整性与内容的版权合法性。
🗂️ 完整文件清单（73 个文件 / 24.6GB）
📁 00、课程介绍 2 项
- 📄 《机器学习》升级版II，11月4日开课 - 小象学院 - 中国最专业的Hadoop,Spark大数据.jpg1.8MB
- 📄 《机器学习·升级版II》常见问题FAQ - 小象问答-hadoop,spark,storm,R,hi.jpg3.7MB
📁 01、机器学习的数学基础1 - 数学分析 9 项
📁 参考文献资料 5 项
- 📄 李航.统计学习方法.pdf17.6MB
- 📄 PRML_Translation.pdf11.5MB
- 📄 MLAPP.pdf25.7MB
- 📄 Latent Dirichlet Allocation.pdf408KB
- 📄 Clustering-by-fast-search-and-find-of-density-pea.pdf1.8MB
- 📄 01 数学分析与概率论.mp4662.3MB
- 📄 1.数学分析与概率论.pdf6.1MB
- 📄 笔记.jpg40KB
📁 02、数学基础2 - 数理统计与参数估计 3 项
- 📄 02 数理统计与参数估计(补).mp445.2MB
- 📄 02 数理统计与参数估计.mp4632.0MB
- 📄 2.数理统计与参数估计.pdf1.4MB
📁 03、数学基础3 - 矩阵和线性代数 2 项
- 📄 03 矩阵和线性代数.mp4527.1MB
- 📄 3.矩阵和线性代数.pdf2.2MB
📁 04、数学基础4 - 凸优化 2 项
- 📄 4.凸优化.pdf3.0MB
- 📄 04 凸优化.mp4662.0MB
📁 05、Python基础及其数学库的使用 3 项
- 📄 05 Python库.mp41007.5MB
- 📄 5.Python.rar8KB
- 📄 5.Python库.pdf1.3MB
📁 06、Python基础及其机器学习库的使用 3 项
- 📄 06 Python库II.mp4825.4MB
- 📄 6.Python库II.pdf2.3MB
- 📄 6.Package代码.rar741KB
📁 07、回归 2 项
- 📄 07 回归.mp4656.4MB
- 📄 7.回归.pdf3.7MB
📁 08、回归实践 4 项
- 📄 8.Regression代码.rar9KB
- 📄 8.回归实践.pdf962KB
- 📄 08 回归实践.mp4764.6MB
- 📄 8.Regression代码.zip13KB
📁 09、决策树和随机森林 2 项
- 📄 9.决策树和随机森林.pdf2.7MB
- 📄 09 决策树和随机森林.mp41.2GB
📁 10、随机森林实践 3 项
- 📄 10.RandomForest代码.rar31.7MB
- 📄 10.决策树和随机森林实践.pdf1.2MB
- 📄 10 决策树和随机森林实践.mp41.8GB
📁 11、提升 2 项
- 📄 11.提升.pdf1.7MB
- 📄 11 提升.mp41.2GB
📁 12、XGBoost 5 项
- 📄 12.XGBoost(代码).zip114KB
- 📄 12.6.Bagging_intro(老师新加的代码).zip1KB
- 📄 12.XGBoost实践.pdf1.6MB
- 📄 12 XGBoost实践.mp41.9GB
- 📄 xgboost-master.zip1.1MB
📁 13、SVM 2 项
- 📄 13.SVM.pdf1.8MB
- 📄 13 SVM.mp4970.7MB
📁 14、SVM实践 3 项
- 📄 14.SVM(代码).rar183KB
- 📄 14 SVM实践.mp41.9GB
- 📄 14.SVM实践.pdf1.4MB
📁 15、聚类 3 项
- 📄 15 聚类1.avi138.0MB
- 📄 15.聚类.pdf6.0MB
- 📄 15 聚类2.avi44.8MB
📁 16、聚类实践 4 项
- 📄 16 聚类实践2.mp4481.9MB
- 📄 16 聚类实践1.avi1.4GB
- 📄 16.聚类实践.pdf1.5MB
- 📄 16.代码.rar2.7MB
📁 17、EM算法 2 项
- 📄 17.EM算法.pdf1.6MB
- 📄 17 EM算法.mp4623.5MB
📁 18、EM算法实践 3 项
- 📄 18.EM算法实践代码.rar14KB
- 📄 18.EM算法实践.pdf1.4MB
- 📄 18 EM算法实践.mp4522.0MB
📁 19、贝叶斯网络 2 项
- 📄 19.贝叶斯网络.pdf3.3MB
- 📄 19 贝叶斯网络.mp4648.0MB
📁 20、朴素贝叶斯实践 3 项
- 📄 20.朴素贝叶斯实践.pdf926KB
- 📄 20.NaiveBayesian.zip33.4MB
- 📄 20 朴素贝叶斯实践.mp4778.4MB
📁 21、主题模型LDA 2 项
- 📄 21.主题模型.pdf2.0MB
- 📄 21 主题模型.mp4856.2MB
📁 22、LDA实践 3 项
- 📄 22.主题模型实践.pdf1.4MB
- 📄 22.LDA代码.rar4.3MB
- 📄 22 主题模型实践.avi1.1GB
📁 23、隐马尔科夫模型HMM 2 项
- 📄 23 HMM.mp4852.7MB
- 📄 23.HMM.pdf1.7MB
📁 24、HMM实践 3 项
- 📄 24 HMM实践.mp4871.9MB
- 📄 24.HMM实践.pdf1.2MB
- 📄 24.HMM代码.zip2.4MB