【干货】李航老师《统计学习方法》(第2版)课件分享,附下载

李航博士的《统计学习方法》可以说是机器学习的入门宝典。现如今,统计学习方法(第2版)于今年5月份出版,在第一版监督学习的基础上,增加了无监督学习内容,更加丰富,是非常值得学习材料。最近清华大学深圳研究院的袁春教授为《统计学习方法(第2版)》制作了课件方便学习观看。李航博士特此在微博上公开。

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第1张图片

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第2张图片

李航,男,毕业于日本京都大学电气电子工程系,日本东京大学获得计算机科学博士学位。北京大学、南京大学兼职教授。曾任日本NEC公司中央研究所研究员,微软亚洲研究院高级研究员与主任研究员、华为技术有限公司诺亚方舟实验室主任。现任字节跳动科技有限公司人工智能实验室总监,主要研究方向为自然语言处理、信息检索、机器学习等。

《统计学习方法》(第2版)

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第3张图片

内容简介:

统计学习方法即机器学习方法,是计算机及其应用领域的一门重要学科。本书分为监督学 习和无监督学习两篇,全面系统地介绍了统计学习的主要方法。包括感知机、k 近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM 算法、隐马尔可夫模型和条件随机场,以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和 PageRank 算法等。除有关统计学习、监督学习和无监督学习的概论和总结的四章外,每章介绍一种方法。叙述力求从具体问题或实例入手, 由浅入深,阐明思路,给出必要的数学推导,便于读者掌握统计学习方法的实质,学会运用。 为满足读者进一步学习的需要,书中还介绍了一些相关研究,给出了少量习题,列出了主要参考文献。 本书是统计机器学习及相关课程的教学参考书,适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生,也可供从事计算机应用相关专业的研发人员参考。

课件

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第4张图片

获得方式:

1. 关注视学算法】公众号

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第5张图片

2. 在视学算法】公众号后台回复 李航PPT 即可

目录

《统计学习方法》第二版主要分为两部分,目前在京东和淘宝等平台上已经可以预订了。第一部分的监督学习在内容主题上和第一版基本一致,这里就只展示了大章节标题。第二部分的无监督学习是全新的内容,因此这里展示了更多的细节。

第一篇监督学习

  • 第 1 章统计学习及监督学习概论

    【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第6张图片

  • 第 2 章感知机

    【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第7张图片

  • 第 3 章近邻法

    【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第8张图片

  • 第 4 章朴素贝叶斯法

    【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第9张图片

  • 第 5 章决策树

    【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第10张图片

  • 第 6 章逻辑斯谛回归与最大熵模型

    【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第11张图片

  • 第 7 章支持向量机

    【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第12张图片

  • 第 8 章提升方法

    【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第13张图片

  • 第 9 章 EM 算法及其推广

    【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第14张图片

  • 第 10 章隐马尔可夫模型

    【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第15张图片

  • 第 11 章条件随机场

    【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第16张图片

  • 第 12 章监督学习方法总结

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第17张图片

第二篇无监督学习

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第18张图片

第 13 章无监督学习概论

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第19张图片

  • 13.1.1 无监督学习基本原理

  • 13.1.2 基本问题

  • 13.1.3 机器学习三要素

  • 13.1.4 无监督学习方法

第 14 章聚类方法

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第20张图片

  • 14.1 聚类的基本概念

  • 14.1.1 相似度或距离

  • 14.1.2 类或簇

  • 14.1.3 类与类之间的距离

  • 14.2 层次聚类

  • 14.3 k 均值聚类

  • 14.3.1 模型

  • 14.3.2 策略

  • 14.3.3 算法

  • 14.3.4 算法特点

  • 本章概要

  • 继续阅读

  • 习题

  • 参考文献

第 15 章奇异值分解

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第21张图片

  • 15.1 奇异值分解的定义与性质

  • 15.1.1 定义与定理

  • 15.1.2 紧奇异值分解与截断奇异值分解

  • 15.1.3 几何解释

  • 15.1.4 主要性质

  • 15.2 奇异值分解的计算

  • 15.3 奇异值分解与矩阵近似

  • 15.3.1 弗罗贝尼乌斯范数

  • 15.3.2 矩阵的优近似

  • 15.3.3 矩阵的外积展开式

  • 本章概要

  • 继续阅读

  • 习题

  • 参考文献

第 16 章主成分分析

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第22张图片

  • 16.1 总体主成分分析

  • 16.1.1 基本想法

  • 16.1.2 定义和导出

  • 16.1.3 主要性质

  • 16.1.4 主成分的个数

  • 16.1.5 规范化变量的总体主成分

  • 16.2 样本主成分分析

  • 16.2.1 样本主成分的定义和性质

  • 16.2.2 相关矩阵的特征值分解算法

  • 16.2.3 数据局正的奇异值分解算法

  • 本章概要

  • 继续阅读

  • 习题

  • 参考文献

第 17 章潜在语义分析

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第23张图片

  • 17.1 单词向量空间与话题向量空间

  • 17.1.1 单词向量空间

  • 17.1.2 话题向量空间

  • 17.2 潜在语义分析算法

  • 17.2.1 矩阵奇异值分解算法

  • 17.2.2 例子

  • 17.3 非负矩阵分解算法

  • 17.3.1 非负矩阵分解

  • 17.3.2 潜在语义分析模型

  • 17.3.3 非负矩阵分解的形式化

  • 17.3.4 算法

  • 本章概要

  • 继续阅读

  • 习题

  • 参考文献

第 18 章概率潜在语义分析

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第24张图片

  • 18.1 概率潜在语义分析模型

  • 18.1.1 基本想法

  • 18.1.2 生成模型

  • 18.1.3 共现模型

  • 18.1.4 模型性质

  • 18.2 概率潜在语义分析的算法

  • 本章概要

  • 继续阅读

  • 习题

  • 参考文献

第 19 章马尔可夫链蒙特卡罗法

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第25张图片

  • 19.1 蒙特卡罗法

  • 19.1.1 随机抽样

  • 19.1.2 数学期望估计

  • 19.1.3 积分计算

  • 19.2 马尔可夫链

  • 19.2.1 基本定义

  • 19.2.2 离散状态马尔可夫链

  • 19.2.3 连续状态马尔可夫链

  • 19.2.4 马尔可夫链的性质

  • 19.3 马尔可夫链蒙特卡罗法

  • 19.3.1 基本想法

  • 19.3.2 基本步骤

  • 19.3.3 马尔可夫链蒙特卡罗法与统计学习

  • 19.4 Metropolis-Hastings 算法

  • 19.4.1 基本原理

  • 19.4.2 Metropolis-Hastings 算法

  • 19.4.3 单分量 Metropolis-Hastings 算法

  • 19.5 吉布斯抽样

  • 19.5.1 基本原理

  • 19.5.2 吉布斯抽样算法

  • 19.5.3 抽样计算

  • 本章概要

  • 继续阅读

  • 习题

  • 参考文献

第 20 章潜在狄利克雷分配

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第26张图片

  • 20.1 狄利克雷分布

  • 20.1.1 分布定义

  • 20.1.2 共轭先验

  • 20.2 潜在狄利克雷分配模型

  • 20.2.1 基本想法

  • 20.2.2 模型定义

  • 20.2.3 概率图模型

  • 20.2.4 随机变量序列的可交换性

  • 20.2.5 概率公式

  • 20.3 LDA 的吉布斯抽样算法

  • 20.3.1 基本想法

  • 20.3.2 算法的主要部分

  • 20.3.3 算法的后处理

  • 20.3.4 算法

  • 20.4 LDA 的变分 EM 算法

  • 20.4.1 变分推理

  • 20.4.2 变分 EM 算法

  • 20.4.3 算法推导

  • 20.4.4 算法总结

  • 本章概要

  • 继续阅读

  • 习题

  • 参考文献

第 21 章 PageRank 算法

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第27张图片

  • 21.1 PageRank 的定义

  • 21.1.1 基本想法

  • 21.1.2 有向图和随机游走模型

  • 21.1.3 PageRank 的基本定义

  • 21.1.4 PageRank 的一般定义

  • 21.2 PageRank 的计算

  • 21.2.1 迭代算法

  • 21.2.2 幂法

  • 21.3.3 代数算法

  • 本章概要

  • 继续阅读

  • 习题

  • 参考文献

第 22 章无监督学习方法总结

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第28张图片

  • 22.1 无监督学习方法的关系和特点

  • 22.1.1 各种方法之间的关系

  • 22.1.2 无监督学习方法

  • 22.1.3 基础及其学习方法

  • 22.2 话题模型之间的关系和特点

  • 参考文献

附录 A 梯度下降法

附录 B 牛顿法和拟牛顿法

附录 C 拉格朗日对偶性

附录 D 矩阵的基本子空间

附录 E KL 散度的定义和狄利克雷分布的性质

索引 

获得方式:

1. 关注视学算法】公众号

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第29张图片

2. 在视学算法】公众号后台回复 李航PPT 即可


欢迎关注【视学算法】公众号,我会在这里记录自己在路上的一点一滴!

再小的人也有自己的品牌!期待和你一起进步!

【干货】李航老师《统计学习方法》(第2版)课件分享,附下载_第30张图片

你可能感兴趣的:(【干货】李航老师《统计学习方法》(第2版)课件分享,附下载)