李航统计学习方法

算法岗求职

无论名次.对于自己的项目,数学逻辑上一定不能有漏洞.简历方面:自己做过什么不重要,关键是企业想要什么.软实力:编程基础,手撕代码,机器学习算法,cs的算法刷题:剑指offer,Leetcode.机器学习:(李航
YasinQiu·2020-09-15 01:41

隐马尔可夫模型(HMM) - 1 - 基本概念

声明：1，本篇为个人对《2012.李航.统计学习方法.pdf》的学习总结，不得用作商用，欢迎转载，但请注明出处（即：本帖地址）。
血影雪梦·2020-09-14 21:22

白话机器学习算法理论+实战之EM聚类

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
Miracle8070·2020-09-14 21:53

白话机器学习算法理论+实战之KMearns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
Miracle8070·2020-09-14 21:53

白话机器学习算法理论+实战之AdaBoost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
Miracle8070·2020-09-14 21:53

白话机器学习算法理论+实战之关联规则

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
Miracle8070·2020-09-14 21:52

十大机器学习算法的一个小总结

在公众号看到来一篇不错的文章，讲解机器学习算法的，感觉挺好的，所以这里对常用的机器学习算法做一个小的总结，然后根据学习李航老师的《统计学习方法》做得笔记，对这些算法进行补充。
Miracle8070·2020-09-14 21:52

隐马尔可夫模型介绍

http://blog.csdn.net/gumpeng/article/details/51648259关于隐马尔可夫的理论介绍，请参见李航博士的《统计学习方法》，介绍的很详尽。
菜鸟的翅膀·2020-09-14 19:32

白话机器学习算法理论+实战之朴素贝叶斯

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
Miracle8070·2020-09-14 18:20

朴素贝叶斯分类文本

https://cuijiahua.com/blog/2017/11/ml_4_bayes_1.html这位大佬的博客，我这里记录一些我以开始没有懂得地方和看过的心得在这不过多介绍朴素贝叶斯的概念，具体可查李航老师的统计学习方法首先是数据集的分类
liu123_4·2020-09-14 00:24

统计学习方法---条件随机场

条件随机场的定义概率无向图模型的联合概率分布P(Y)可以表示如下：P(Y)=1Z∏CΨC(YC)Z=∑Y∏CΨC(YC)P(Y)=\frac1{Z}\prod_C\Psi_C(Y_C)\\Z=\sum_Y\prod_C\Psi_C(Y_C)P(Y)=Z1C∏ΨC(YC)Z=Y∑C∏ΨC(YC)因为条件随机场为无向图模型，且势函数通常定义为指数函数，所以其联合概率分布式：P(Y)=1Z∏CΨC(YC
leemusk·2020-09-14 00:21

复现经典：《统计学习方法》第 11 章 条件随机场

本文是李航老师的《统计学习方法》[1]一书的代码复现。作者：黄海广[2]备注：代码都可以在github[3]中下载。我将陆续将代码发布在公众号“机器学习初学者”，敬请关注。
风度78·2020-09-14 00:10

统计学习方法 第十四章 聚类方法

聚类方法属于挖掘数据纵向结构的方法（假设为m*n矩阵，m为数据维度或者属性，n为数据个数），依据其特征的相似度或者距离进行归并到若干个“类”或者“簇”的过程。聚类属于无监督学习。常用的两种聚类算法：层次聚类（分聚合以及分裂两种算法）、k均值聚类算法。聚类的相似度或距离，有4种方法：闵可夫斯基距离，马哈拉诺比斯距离，相关系数，夹角余弦。通过定义距离之后就可以定义族或者簇，并定义类与类之间的距离。层次
Akari0216·2020-09-14 00:52

统计学习方法 第九章 EM算法

EM算法是用于解决含有隐变量的概率模型参数的极大似然估计，每次迭代由两步组成，E步求期望，M步求极大。而对于高斯混合模型（GMM）上EM算法也是一个有效的解决方法。现以习题9.1为例，简单实现一下EM算法importnumpyasnp#计算E步defexpectationCal(pi,p,q,y):u=pi*(p**y)*((1-p)**(1-y))v=(1-pi)*(q**y)*((1-q)**
Akari0216·2020-09-14 00:52

统计学习方法 第八章 AdaBoost

adaboost的原理是，由于在PAC学习的框架下，一个概念的强可学习的充要条件是这个概念是弱可学习的，所以就引出一个思路，对于二分类的数据，通过串行学习弱分类器，并使用加权多数表决方法对弱分类器组合成一个强分类器。而再引申后，adaboost也是损失函数为指数函数的加法模型，使用前向分步学习算法获得。现在直接通过代码展示其中的逻辑，该部分代码源于《机器学习实战》importnumpyasnp#阈
Akari0216·2020-09-14 00:52

统计学习方法 第十五章 奇异值分解

奇异值分解（SVD，singularvaluedecomposition）是一种矩阵因子分解方法。任意一个mxn矩阵都可以表现为三个矩阵的乘机形式，分别是m阶正交矩阵、降序排列非负对角线mxn矩阵和n阶正交矩阵。可以看做是矩阵数据压缩的一种方法，近似地表示原始矩阵，且在平方损失意义下的最优近似。SVD分解：A=UΣVT存在性证明过程略。SVD分解还有紧奇异值分解和截断奇异值分解。几何解释为，mxn
Akari0216·2020-09-14 00:52

统计学习方法 第十一章 条件随机场

条件随机场（CRF，conditionalrandomfield）是给定一组输入随机变量下另一组输出随机变量的条件概率分布模型，其特点是假设输出随机变量构成马尔科夫随机场。通过概率无向图可以描述条件随机场。通常考虑线性链的情况。条件随机场有3种形式进行描述，分别是参数化形式、简化形式以及矩阵形式。参数化形式中，转移特征及对应权值、状态特征及对应权值均在表达式中给出；简化形式及把两个特征合并到一起，
Akari0216·2020-09-14 00:45

小白学习：李航《统计学习方法》第二版第11章 条件随机场（二）----条件随机场

小白学习：李航《统计学习方法》第二版第11章条件随机场（二）----条件随机场小提示：食用这篇文章前，务必需要搞懂一中的马尔科夫随机场的内容。
李旭洋·2020-09-14 00:43

小白学习：李航《统计学习方法》第二版第11章 条件随机场

小白学习：李航《统计学习方法》第二版第11章条件随机场小白学习：李航《统计学习方法》第二版第11章条件随机场（一）----马尔科夫随机场马尔科夫随机场（Markovrandomfiled）1.图的概念  
李旭洋·2020-09-14 00:43

小白学C语言之简易版扫雷游戏

小白学习：李航《统计学习方法》第二版第11章条件随机场（二）----条件随机场小白学习：李航《统计学习方法》第二版第11章条件随机场（一）----马尔科夫随机场一、如何进行扫雷扫雷的游
小尚很忙·2020-09-14 00:03

字节跳动李航博士入选2019 ACL Fellow，成为第五位入选华人学者

2019-11-2812:39:01机器之心整理机器之心编辑部近日，2019ACLFellow名单出炉，字节跳动李航博士入选，成为ACL第五位华人Fellow。
喜欢打酱油的老鸟·2020-09-13 20:15

统计学习方法_读书笔记_10章_HMM

HMM是一种生成模型.描述了隐含的马尔科夫链随机生成观测序列的过程.所以HMM=隐含的马尔科夫链->随机生成的观测序列.更具体的说,HMM=隐含的马尔科夫链->随机生成状态序列->随机生成观测序列基本概念定义λ=(A,B,π)我理解,状态序列和观测序列都是离散可枚举的.感觉中间也有隐变量.那它和EM算法可以找到什么区别呢?其中一个是,HMM是和顺序有关的,EM算法和顺序基本无关.HMM的3个基本问
casmaster·2020-09-13 18:00

HMM——前向后向算法

根据已知观测序列和对应的状态序列，或者说只有观测序列，将学习过程分为监督和无监督学习方法主要参考《李航统计学习》、《PRML》2.监督学习方法给定了s个长度相同的观测序列和对应的状态序列（相当于有s个样本
风翼冰舟·2020-09-13 14:38

【统计学习方法】决策树

何为决策树？决策树定义决策树是一种用于分类的树结构。如图所示，它由结点(node)和有向边(directededge)组成，结点包括内部结点(internalnode)和叶结点(leafnode)，内部结点表示一个特征或属性，叶结点表示一个类。决策树示意图如何分类？那么决策树如何进行分类呢？首先，从根结点开始，根据待分类数据的某一特征值对其进行划分，分配到相应子结点，因此，每一个子结点都对应了该特
SimyHsu·2020-09-13 13:47

隐马尔可夫模型（HMM）的MATLAB实现——前向后向算法

主要的参考书目是李航的《统计学习方法》，并实现了书中部分例题和习题的解答，关于隐马尔可夫模型的理论知识不再赘述，这方面的经典论文和网上的优秀博客很多，这里介绍两篇经典的论文：1，BilmesL,etal.AGentleTutorialofEMAlgorit
Chishuo_sgp·2020-09-13 12:59

机器学习——统计学习方法概述

学习机器学习的一些入门概念，以下内容出自《统计学习方法》这本书第一章的内容。
C_teacher·2020-09-13 11:36

统计学习方法_习题

1.1说明伯努利模型的极大似然估计以及贝叶斯估计中的统计学习方法三要素。伯努利模型是定义在取值为0与1的随机变昼上的概率分布。
稀饭粥9999·2020-09-13 02:13

统计学习方法_第一章：统计学习及监督学习概论

2、统计学习方法三要素方法=模型+策略+算法模型：模型的假设空间包含所有可能的条件概率分布或决策函数。策略：统计学中的策略一般指损失函数或是代价函数；常用的有1）0-
熙熙之木·2020-09-13 00:18

统计学习以及监督学习概论

1平台以计算机和网络为平台2研究对象以数据为研究对象3目的对数据进行预测和分析4方法构建模型并应用模型进行预测与分析5学科基础属于概率论，统计学，信息论，计算理论，最优化理论，计算机科学的交叉学科实现统计学习方法的步骤
南楚巫妖·2020-09-13 00:12

第一章 统计学习及监督学习概论（一）

1.统计学习的特点统计学习以计算机及网络为平台；统计学习以数据为研究对象，是数据驱动的学科；统计学习的目的是对数据进行预测与分析；统计学习以方法为中心，统计学习方法构建模型并依靠嗯与模型进行预测与分析；
xk_005·2020-09-12 23:24

《统计学习方法》（第十三章）——无监督学习概论

无监督学习概论无监督学习的基本原理  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的结构的机器学习，主要包括聚类，降维，概率估计。无监督学习可以用与数据分析或监督学习的前处理X=[x11....x1N..........xM1....xMN]X=\begin{bmatrix}x_{11}&....&x_{1N}\\...&....&...\\x_{M1}&....&x_{MN}\end
mkopvec·2020-09-12 22:36

第一章 统计学习和监督学习概论

1.绪刚看到这本书的时候，就有一个疑问：统计学习方法是不是就等于机器学习？假如不是得话，那么统计学习和机器学习有什么关系呢？
junjian Li·2020-09-12 21:02

《统计学习方法》第4章朴素贝叶斯法与贝叶斯估计

前言写本文章主要目的是复习（毕竟之前看纸质版做的笔记），对于证明比较跳跃和勘误的地方我都做了注解，以便初学者和以后复习地时候快速阅读理解不会卡住。本文原文将书上所有证明给出，由于CSDN的公式编辑器公式支持不全，有些公式没法正常显示，欢迎点击此处查看原文,个人技术博客：SnailDove文章目录前言朴素贝叶斯法4.1朴素贝叶斯法的学习与分类4.1.1基本方法4.1.2后验概率最大化的含义4.2朴素
SnailDove·2020-09-12 18:04

入门XGBoost

ensemblelearning包括boosting:GBDT,XGBoost）是kaggle等比赛中的利器，所以集成学习是机器学习必备的知识点，如果提升树或者GBDT不熟悉，最好先看一下我的另一文：《统计学习方法
SnailDove·2020-09-12 18:04

《统计学习方法》第8章 提升方法之AdaBoost\BoostingTree\GBDT

李航《统计学习方法》第8章——提升方法主要内容：AdaBoost,BoostingTree,GBDT(这一块原文不够详细，将补充一些)。
SnailDove·2020-09-12 18:04

【统计学习方法 • 从无到有系列】— 【三】k 近邻算法 kNN

本文收录于Github仓库，欢迎前来star呀~https://github.com/Veal98/CS-Wiki在线阅读地址/更好的阅读体验请移步：https://veal98.gitee.io/cs-wiki/k近邻算法kNN思维导图1.k近邻算法描述✅k近邻算法k-nearestneighbor,kNN可简单描述为：存在一个带标签的训练样本集，输入没有标签的新数据后，将新数据的每个特征和样本
飞天小牛肉·2020-09-12 13:51

统计学习方法|支持向量机(SVM)原理剖析及实现

原始blog链接：http://www.pkudodo.com/2018/12/16/1-8/前言《统计学习方法》一书在前几天正式看完，由于这本书在一定程度上对于初学者是有一些难度的，趁着热乎劲把自己走过的弯路都写出来
Dod_o_·2020-09-12 09:18

移植uboot第八步：裁剪、修改默认参数、分区

此外目前我在gitHub上准备一些李航的《统计学习方法》的实现算法，目标将书内算法全部手打实现，欢迎参观并打星。GitHib传送门正文到这里uboot差不多已经结束了，再完成最后一步，就能启动内核啦。
Dod_o_·2020-09-12 09:47

s3c2440移植MQTT

此外目前我在gitHub上准备一些李航的《统计学习方法》的实现算法，目标将书内算法全部手打实现，欢迎参观并打星。
Dod_o_·2020-09-12 09:47

移植uboot第七步：支持DM9000

此外目前我在gitHub上准备一些李航的《统计学习方法》的实现算法，目标将书内算法全部手打实现，欢迎参观并打星。
Dod_o_·2020-09-12 09:46

移植uboot第四步：设置NAND启动

此外目前我在gitHub上准备一些李航的《统计学习方法》的实现算法，目标将书内算法全部手打实现，欢迎参观并打星。
Dod_o_·2020-09-12 09:16

关于机器学习的推荐书单

对于初学者来说，我个人还是强烈推荐李航老师的《统计学习方法》。
Lestat.Z.·2020-09-12 08:43

机器学习与数据挖掘的定义和区别

主要参考书籍：《机器学习实战》李航的《统计学习方法》《机器学习理论与算法》机器学习，简称ML（machinelearning）；数据挖掘，简称DM（DataMining）。
tenggenbao2014·2020-09-12 07:49

【机器学习算法系列之一】EM算法实例分析

from:http://chenrudan.github.io/blog/2015/12/02/emexample.html最近两天研究了一下EM算法，主要是基于《统计学习方法》和论文《Whatistheexpectationmaximizationalgorithm
菲尼克斯罗·2020-09-12 06:51

记一下机器学习笔记 支持向量机

这里是《神经网络与机器学习》以及一些《统计学习方法》的笔记。
Sibada_scut·2020-09-12 01:59

牛顿法及拟牛顿法（L-BFGS）

在拟牛顿法中，令x=xk，这样就得到了式子（5）,这个式子在李航的书中没有给出具体解释，这里我秒懂了。。。式子（5）上方的文字也很重要。可以利用s和y来表示H。。
elisa_gao·2020-09-11 21:01

统计学习方法

统计学习方法统计学习是什么？机器学习中所谓的学习就是从海量数据中学习到“经验”，再将这种“经验”应用与对未知数据的预测与分析！而这种思想的本质就是来自于统计学。
不懂法师·2020-09-11 11:23

CRF模型原理解析。

前置条件：概率无向图模型（马尔可夫性、hammersley-clifford原理）----统计学习方法11.1假设有事件X1X2X3，你想计算出p(X1)p(X2)p(X3)p(X1|X2X3)p(X2
小胖子别跑·2020-09-11 08:35

Machine Learning 之 SVM实现（个人认为最好的算法）

SVM.py#coding=utf-8"""主要思想及算法流程来自李航的《统计学习方法》《理解SVM的三重境界》yi={1,-1}难点：KKT条件SMO算法"""importtimeimportrandomimportnumpyasnpimportmathimportcopya
BUAA-XX·2020-09-10 17:05

Regression: Case Study

大概的模型建立步骤，无论是《统计学习方法》的李航还是《机器学习》的吴恩达，还是这里的
我是个粉刷匠·2020-09-10 15:52
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他