《统计学习方法》-李航

EM算法例子

参考：统计学习方法EM算法的一个例子_陈嘟嘟cc的博客-CSDN博客_em算法应用实例#EMalgorithm#coinA,B,C;#coinAfrontprobabilityisphi,backprobabilityis1
Goodness2020·2022-12-07 12:57

【机器学习】提升方法AdaBoost二分类例题 C++实现

题目来源：统计学习方法（第二版李航）第八章第一节AdaBoost例子实现P158题目：给定如图所示训练数据集。假设弱分类器由xv产生，其阈值v使该分类器在训练数据上分类误差率最低。
ayitime·2022-12-07 12:25

《统计学习方法》学习笔记 第十三章 无监督学习概论

目录13.1无监督学习基本原理13.2基本问题13.3无监督学习三要素13.4无监督学习方法13.1无监督学习基本原理无监督学习是从无标注的数据中学习数据的统计规律或者说内在结构的机器学习，主要包括聚类、降维、概率估计。无监督学习可以用于数据分析或者监督学习的前处理。无标注数据U={x1,x2,...,xN}U=\{x_1,x_2,...,x_N\}U={x1,x2,...,xN}模型①函数z=g
LittleFish0820·2022-12-07 10:15

深度学习入门资料分类汇总（持续更新）

机器学习资料入门课程-斯坦福CS229课程《统计学习方法》李航DeepLearning入门资料深度学习工程师微专业-一线人工智能大师吴恩达亲研-网易云课堂斯坦
刀客塔辛·2022-12-07 05:10

统计学习方法 李航 课后习题答案 第二版 机器学习

李航《统计学习方法》课后习题答案（第2版）【李航课后习题解答+书中疑点推导+算法代码实现+可私聊耐心解答(48小时内回复)，包会！！】
#苦行僧·2022-12-05 16:25

一张图掌握SVM——支持向量机

前言：笔者在学习SVM的过程中找了很多书籍、资料以及学习笔记，但是感觉看起来都云里雾里莫名其妙，始终不得要领，最近在看《统计学习方法》---李航---清华大学出版社---ISBN978-7-302-27595
科学元某人·2022-12-05 11:24

KNN在Mnist上的实现

KNN在Mnist上的实现原理博客：统计学习方法|K近邻原理剖析及实现|Dodo(pkudodo.com)数据集：Statistical-Learning-Method_Code/Mnistatmaster
Sky_codes·2022-12-05 10:12

《统计学习方法》读书笔记第2章：感知机

第二章：感知机感知机（perceptron）于1957年由Rosenblatt提出，是神经网络与支持向量得基础。其输入为实例得特征向量，输出为实例得类别，是二类分类的线性分类模型，属于判别模型。感知机的学习旨在求出将训练数据进行线性划分的超平面，为此，导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，求得感知机模型。模型感知机定义假设输入空间（特征空间）是X∈Rn\it{X}\in{R
xcj～·2022-12-04 13:00

感知机模型学习笔记及Python实现

最近刚接触李航博士的《统计学习方法》，还是挺赞的一本书，特别适合机器学习初学者的入门。里面主要阐述机器学习中的几大经典模型的理论方面，包括感知机、kNN、决策树、朴素贝叶斯、逻辑回归、SVM等。
wangxin0314·2022-12-04 13:27

《统计学习方法》读书笔记——感知机（原理+代码实现）

传送门《统计学习方法》读书笔记——机器学习常用评价指标《统计学习方法》读书笔记——感知机（原理+代码实现）《统计学习方法》读书笔记——K近邻法（原理+代码实现）《统计学习方法》读书笔记——朴素贝叶斯法（
郭义臣·2022-12-04 13:53

统计学习方法笔记，第二章感知机的python代码实现

实现的比较粗糙，代码如下：classPerceptron:importnumpyasnpdef__init__(self,w=0,b=0,lr=1,epoch=100):self.weight=wself.bias=bself.lr=lr#lr:learningrateself.epoch=epochdefsign(self,x):ifnp.dot(np.array(self.weight),x)
努力学挖掘机的李某某·2022-12-04 13:23

李航《统计学习方法》学习笔记及python实现：第二章 感知机

感知机（perceptron）是二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和–1二值。感知机对应于输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型。感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此，导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，求得感知机模型。模型假设输入空间（特征空间）是x⊆Rn，输出空间是Y＝{+1,-
XB_please·2022-12-04 13:48

NNDL 实验五 前馈神经网络 （3）鸢尾花数据集

DataLoader进行封装4.5.3模型构建4.5.4完善Runner类4.5.5模型训练4.5.6模型评价4.5.7模型预测思考题总结参考：深入研究鸢尾花数据集画出数据集中150个数据的前两个特征的散点分布图：【统计学习方法
喝无糖雪碧·2022-12-04 09:14

1.3 统计学习方法的三要素

1.3统计学习方法的三要素监督学习的三要素模型策略无监督学习统计学习方法的三要素为模型+策略+算法监督学习的三要素模型假设空间(HypothesisSpace）：所有可能的条件概率分布或决策函数，用F\
是我樂樂呀·2022-12-03 13:30

NLP之基本介绍

研究方向自然语言处理自然语言处理的目标算法相关工作业务型研究型算法工程师需要的技能关于算法的学习NLP面临的困难NLP的发展历程图灵测试NLP发展现状深度学习发展历程第一代神经网络（1958~1969）第二代神经网络（1986~1998）统计学习方法的春天
人工智能有点·2022-12-03 08:04

学习深度学习与图像处理中的一些感悟（1）

上学时也看了很多理论的学习，有关传统图像的、数学方面推导的书的和视频，像西瓜书，李航的统计等等，还做了很多笔记，但是效果甚微，一到图像处理还是用matlab或者cv2库解决。后边反思原因，更多的是代
搞事情啊·2022-12-02 22:41

统计学习方法 | 第1章 统计学习方法概论

第1章统计学习方法概论1．统计学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行分析与预测的一门学科。统计学习包括监督学习、非监督学习、半监督学习和强化学习。
weixin_30352645·2022-12-02 13:26

EM算法原理和实现的学习总结

我对EM算法的理解过程经历了如下几个阶段：看《统计学习方法》上的第9章EM算法及其推广，对EM算法需要解决的问题和原理有了一个初步的印象；（这个时候其实并不是完全明白）根据EM算法整理及其pytho
ForcedOverflow·2022-12-02 13:55

java em算法_关于EM算法原理的分析与理解（Python实现）

本文的计算公式出自《统计学习方法》，写这篇文章主要是想把自己对这个算法的思路理清，并把自己的理解记录下来，同时分享出来，希望能够帮助到打算入门机器学习的人。
山林公子·2022-12-02 13:55

《统计学习方法》 第九章 EM算法(原理+代码)

EM算法EM算法是含有隐变量的概率模型极大似然估计或极大后验概率估计的迭代算法含有隐变量的概率模型的数据表示为θ\thetaθ这里，YYY是观测变量的数据，ZZZ是隐变量的数据，θ\thetaθ是模型参数EM算法通过迭代求解观测数据的对数似然函数L(θ)=log⁡P(Y∣θ){L}(\theta)=\log{P}(\mathrm{Y}|\theta)L(θ)=logP(Y∣θ)的极大化，实现极大似
小鹏AI·2022-12-02 13:54

2.逻辑回归算法梳理

逻辑回归与线性回归的联系与区别2、逻辑回归的原理3、逻辑回归损失函数推导及优化4、正则化与模型评估指标5、逻辑回归的优缺点6、样本不均衡问题解决办法7.sklearn参数参考资料1、西瓜书2、cs229吴恩达机器学习课程3、李航统计学习
weixin_30823683·2022-12-02 10:32

【面经】字节AI Lab-NLP算法热乎面经

PS：offercall里说我的leader是李航，看了看手里的小蓝书，意外的惊喜面
zenRRan·2022-12-01 20:02

字节跳动 AI Lab 总监李航：语言模型的过去、现在和未来

作者|李航编译|李梅、黄楠编辑|陈彩娴转自：AI科技评论从俄国数学家AndreyMarkov（安德烈·马尔可夫）提出著名的「马尔科夫链」以来，语言建模的研究已经有了100多年的历史。
深度学习技术前沿·2022-12-01 20:02

线性回归、最小二乘原理（Linear_regression）

参考了统计学习方法，概率论与数理统计，工程线性代数，西瓜书，MachineLearnigwithpython做的总结，所以不能作为教程，还包含自己用sklearn做的一些对比实验，原文是写在jupyter
geter_CS·2022-12-01 02:10

《统计学习方法》(李航) 感知机模型算法

第二章感知机感知机是二分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1二值。感知机对应于输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型。导入基于分类的损失函数，利用梯度下降算法对损失函数进行极小化，求得感知机模型。分为原始模式和对偶模式。2.1感知机模型定义2.1（感知机）假设输入空间（特征空间）是，输出空间是。输入表示实例的特征向量，对应于输入空间
APPLECHARLOTTE·2022-11-30 20:08

《统计学习方法》K近邻算法（KNN）

第3章K近邻算法k近邻算法(kNN)是一种基本分类和回归方法。本书只讨论分类问题中的k近邻算法。k近邻算法的输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类。k近邻法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其k个最近邻的训练实例的类别，通过多数表决等方式进行预测。因此，k近邻法不具有显式的学习过程。3.1k近邻算法输入：训练数据集其中,为实例的特征
APPLECHARLOTTE·2022-11-30 20:38

统计学习方法——机器学习和统计学习

2．统计学习方法三要素——模型、策略、算法，对理解统计学习方法起到提纲挈领的作用。
小陈phd·2022-11-30 20:57

李航统计学习方法公式推导参考

今天继续学习李航老师的统计学习方法，虽然老师写的很好，但是由于我的数学基础不太好，所以有些公式还是看起来有些吃力，就想在网上找一下有没有大佬写的推导公式的参考，就像周志华老师的西瓜书在网上有南瓜书作为辅助一样
东大梅西·2022-11-30 20:55

李航老师统计学习方法答案汇总

缺了第20章的答案，实在有点难，就看了看大致思想，要期末考试了，算是两个月把李航老师的书上的算法学了一遍，感觉推导了无数个公式，有些简单的算法自己也实现了。缺的知识以后再补充吧！
六七～·2022-11-30 20:23

统计学习方法——第1章（个人笔记）

统计学习方法——第1章统计学习及监督学习概论《统计学习方法》（第二版）李航，学习笔记1.1统计学习1.特点（1）以计算机及网络为平台，是建立在计算机及网络上的；（2）以数据为研究对象，是数据驱动的学科；
抽屉疯了·2022-11-30 20:53

李航——《统计学习方法》（一）

第1章统计学习方法概论1.统计学习统计学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。也可以说统计学习就是计算机系统通过运用数据及统计方提高系统性能的机器学习。
ccj211985·2022-11-30 20:51

统计学习方法——概述

统计学习方法之概述1.统计学习的特点(1)统计学习以计算机及网络为平台，是建立在计算机及网络上的;(2)统计学习以数据为研究对象，是数据驱动的学科(3)统计学习的目的是对数据进行预测与分析;(4)统计学习以方法为中心
全部都AC·2022-11-30 20:19

《统计学习方法》

第1章统计学习方法概论1.1统计学习统计学习（statisticallearning）是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。统计学习的对象是数据（data）。
README.·2022-11-30 20:49

统计学习方法学习笔记：第十五章.奇异值分解

第十五章：奇异值分解（SVD:singularvaluedecomposition）定义与性质将一个非零的\color{red}{非零的}非零的的m×n\color{red}{m\times{n}}m×n的实矩阵A，表示为以下三个矩阵乘积的运算：A=UΣVT，这里是完全奇异值分解\color{red}{A=U\Sigma{V^T}，这里是完全奇异值分解}A=UΣVT，这里是完全奇异值分解其中，U是
小滔滔ahh·2022-11-30 18:05

《统计学习方法（第2版）》李航 第15章 奇异值分解 SVD 思维导图笔记 及 课后习题答案（步骤详细）SVD 矩阵奇异值 十五章

15.1试求矩阵A=[120202]A=\left[\begin{array}{lll}1&2&0\\2&0&2\end{array}\right]A=[122002]的奇异值分解。手算了一下结果，U=15[122−1],Σ=[300020],VT=15[53234302−1−212]U=\frac{1}{\sqrt{5}}\left[\begin{array}{ll}1&2\\2&-1\end{
ML--小小白·2022-11-30 18:03

统计学习方法第15章-奇异值分解SVD

定义矩阵的奇异值分解（SVD）是指，将一个非零的m×nm\timesnm×n实矩阵A,A∈Rm×nA,A\in\mathbf{R}^{m\timesn}A,A∈Rm×n,表示为三个实矩阵相乘的形式:A=UΣVTA=U\SigmaV^{\mathrm{T}}A=UΣVT其中，UUU是mmm阶正交矩阵,VVV是nnn阶正交矩阵，Σ\SigmaΣ是由降序排列的非负的对角线元素组成的m×nm\timesn
旺旺棒棒冰·2022-11-30 18:03

复现经典：《统计学习方法》第15章 奇异值分解

第15章奇异值分解本文是李航老师的《统计学习方法》一书的代码复现。作者：黄海广备注：代码都可以在github中下载。我将陆续将代码发布在公众号“机器学习初学者”，可以在这个专辑在线阅读。
风度78·2022-11-30 18:33

《统计学习方法》 第十五章 奇异值分解

奇异值分解矩阵的奇异值分解是指将m×nm\timesnm×n实矩阵AAA表示为以下三个实矩阵乘积形式的运算A=UΣVTA=U\SigmaV^{T}A=UΣVT其中UUU是mmm阶正交矩阵，VVV是nnn阶正交矩阵，Σ\SigmaΣ是m×nm\timesnm×n矩形对角矩阵Σ=diag⁡(σ1,σ2,⋯ ,σp),p=min⁡{m,n}\Sigma=\operatorname{diag}(\sigm
小鹏AI·2022-11-30 18:03

迈过三重门——详解SVM及其Python实现

本文主要基于李航《统计学习方法》与周志华《机器学习》完成，加入了若干个人推导与注解，文后附Python3源码。跟我推导完，相信你一定会有收获。
数清风·2022-11-30 15:45

（三）朴素贝叶斯与垃圾分类Python代码实现

李航老师《统计学习方法》第二版学习笔记知识点：朴素贝叶斯是基于贝叶斯定理与特征条件独立假设的分类算法属于生成模型优点：算法逻辑简单，时空开销小缺点：条件独立性的假设可能会导致牺牲一定的分类准确性朴素贝叶斯的参数估计可以是极大似然估计或贝叶斯估计贝叶斯公式
十二十二呀·2022-11-30 13:52

《统计学习方法》第1章 统计学习方法概论 1.2 监督学习

《统计学习方法》第1章统计学习方法概论1.2监督学习1.2.1基本概念1.输入空间、特征空间与输出空间2.联合概率分布3.假设空间1.2.2问题的形式化1.2监督学习监督学习的任务就是学习一个模型，使模型能够对任意给定的输入
看你很6哦·2022-11-30 11:56

统计学习方法及监督学习

§1.1统计学习（statisticallearning）又称统计机器学习，目的是：对数据进行分析或预测。统计学习关于数据的基本假设是同类数据具有一定的统计规律性，可以用概率统计的方法处理。§1.2统计学习分类♧1.2.1基本分类统计学习或强化学习一般包括监督学习、无监督学习和强化学习。有时还包括半监督学习和主动学习。♡1监督学习本质是学习输入到输出的映射的统计规律。每个具体的输入实例是一个特征，
sunflower_level1·2022-11-30 11:55

逻辑回归（Logistic Regression）通俗解释

从大的类别上来说，逻辑回归是一种有监督的统计学习方法，主要
AI视觉网奇·2022-11-30 11:22

深度学习从入门到精通——统计学习方法概论

统计学习方法概论文章目录统计学习方法概论前言章节目录导读实现统计学习方法的步骤统计学习方法三要素模型模型是什么?
小陈phd·2022-11-30 10:52

统计学习方法——4.决策树——XGBoost、LightGBM

一、介绍1.XGBoost（极限梯度提升树，eXtremeGradientBoosting）：（1）XGB目标函数，一棵树的生成XGB目标函数：XGB目标函数=训练损失+正则项（树的复杂度）XGB目标函数=训练损失+正则项（树的复杂度）XGB目标函数=训练损失+正则项（树的复杂度）训练损失用于减小偏差，一般用平方损失函数或逻辑回归损失函数。正则项为全部k棵树的复杂度进行求和作为正则化项，防止模型过
要坚持写博客呀·2022-11-30 08:20

1.1 统计学习方法的定义与分类

统计学习方法的定义与分类统计学习的概念统计学习的定义统计学习运用到的领域统计学习的步骤统计学习的分类统计学习的概念统计学习的定义统计学习(StatisticalMachineLearning)是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科
是我樂樂呀·2022-11-30 08:15

kmeans算法_实战 | KMeans 聚类算法

常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法
weixin_39904268·2022-11-30 08:00

kmeans算法_【白话机器学习】算法理论+实战之KMeans聚类算法

常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法
weixin_39593469·2022-11-30 08:30

kmeans算法_KMeans聚类算法详解

常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法
weixin_39824223·2022-11-30 08:30

实战 | K-Means 聚类算法

常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法
众生皆苦唯有你最甜·2022-11-30 07:56
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他