李航统计学习方法第44页

算法岗面试假装会问到的非算法模型问题系列

【参考文献】[1]周志华.机器学习.[2]李航.统计学习方法.[3]若干博客.一、数据标准化、归一化数据归一化主要是使所有特征具有相同的权重，并能加快梯度下降速度，但不会提高模型的精度。

阿健在长安·2019-12-02 04:58

支持向量机(Support Vector Machines-SVM)算法笔记(一)-Python

线性可分支持向量机、线性支持向量机、非线性不可分向量机、核函数、核技巧、SMO、KKT条件等等，但是还是没有讲完，会继续学习讨论~~再次申明：本文的理论知识来自PeterHarrington的《机器学习实战》和李航的

keepStriving·2019-12-01 09:44

最大似然估计（MLE）

前言：学习《统计学习方法》，到了实现朴素贝叶斯分类器的时候了。网上博客资料稂莠不齐，介绍「最大似然估计」的时候喜欢和「贝叶斯公式」纠缠在一起，在我看来，完全没有必要。

madao756·2019-12-01 05:15

风口来临，商业健康保险准备好了吗

图/IC文|李航12月1日起新《健康保险管理办法》正式实施。商业健康保险作为一种市场化的风险分担机制，无论是采取何种医疗保障模式的国家，均在其医疗保障体系中发挥着重要作用。

财经杂志·2019-12-01 00:00

李航机器学习 | (7) 统计学习方法(第2版)笔记 --- 朴素贝叶斯习题与编程作业

1.用极大似然估计法推出朴素贝叶斯法中的概率估计公式：2.用贝叶斯估计法推出朴素贝叶斯法中的概率估计公式：3.贝叶斯估计求解过程4.自编程实现朴素贝叶斯算法，对上述表格中的训练数据进行分类。"""朴素贝叶斯算法的实现2019/4/12"""importnumpyasnpimportpandasaspdclassNaiveBayes():def__init__(self,lambda_):self.

CoreJT·2019-11-21 22:32

资源下载 | 深度学习、机器学习、机器学习实战、统计学习方法、高等数学、线性代数

回复：001—《统计学习方法》李航统计学习是计算机及其应用领域的一门重要的学科。

我是8位的·2019-11-20 21:00

《统计学习方法》读书笔记——决策树

（仅记录自己的学习心得，默认记录自己之前不太清楚或者有新的心得的部分，所以可能并不全面。）ID3算法：依据信息增益选择作为结点的特征，且不能重复选取。C4.5算法：依据信息增益比选择结点的特征，也不能重复选特征。剪枝【重要的部分】：通过极小化决策树整体的损失函数或代价函数实现。【介绍损失函数】一些概念：经验熵：某个叶子的样本个数为,其中属于第k类的有个。这个形式跟熵的定义很像：,为随机变量X取不同

睡不好觉的梨·2019-11-14 19:22

01 机器学习介绍

无人驾驶医疗-识别CT图细微区别图片艺术化iphone人脸识别自然语言处理NLP新闻自动生成机器人传统预测信贷、销量预测机器学习库和框架Scikit-learnPytorchTensorflow学习书籍推荐统计学习方法

hp_lake·2019-11-09 14:00

书籍 & 课程 2018

2018.3数据科学入门2018.3机器学习（Udacity）2018.3机器学习（Udemy）2018.3算法第4版2018.4未读生活时间简史通信相关通信之道从微积分到5G凸优化机器学习机器学习实战统计学习方法

浅秋余声·2019-11-08 20:16

李航-第1章统计学习方法概论

统计学习方法的三要素：模型、策略和算法。即：统计学习方法=模型+策略+算法基本概念监督学习统计学习包括监督学习，半监督学习，半监督学习及强化学习。

瘦长的丰一禾·2019-11-08 08:08

【免费AI课程福利】2月21日之后，每周二晚上18:40~20:30

课程已邀请到阿里蚂蚁金服首席数据官漆远、华为诺亚方舟实验室主任李航、英特尔中国研究院前院长吴甘沙、微软亚研院院长洪小文等12位大咖，详见链接：抢课|人工智能前沿与产业趋势--与10余位顶级大咖面对面说明

hanniman·2019-11-07 23:58

第一章统计学习方法概论

ClassContentlayoutposttitle第一章统计学习方法概论categoriesCoursedescription:李航《统计学习方法》的学习,主要介绍基本概念,详细叙述了监督学习,提出统计学习的三要素

毛毛虫_wendy·2019-11-06 18:47

忠诚协议的效力问题——“出轨净身出户”保证书是否有效？

4月12日，皇姑区人民法院民四庭庭长李航表示，要看婚姻保证书是否有效，还需要看签订者是否出于自愿，是否是其真实意愿的表示。烦恼：女友逼签“保证书”吴先生和女友马上就要

木離話·2019-11-06 07:59

统计学习方法笔记(第三章个人笔记)

统计学习方法笔记(第三章个人笔记)标签：机器学习深度学习K近邻算法1.描述：给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近（可以用欧氏距离或者其他距离，但是要知道，用不同距离得到的最近邻点是会有一定差异的

PerfectDemoT·2019-11-05 15:18

10分钟快速入门PyTorch (1)

由于这个系列文章主要是将pytorch教程的，所以每个算法的太多数学背景以及推导过程就不再细讲了，需要的同学可以自己找相应的教材去了解，什么统计学习方法，prml

SherlockLiao·2019-11-05 00:34

HMM介绍 & 用多个时间序列训练的matlab实现

如有错误，还请指正参考资料链接统计学习方法，李航，第10章，隐马尔科夫模型TutorialonHiddenMarkovModels，JavierR.Movellan，http://mplab.ucsd.edu

aurora6102·2019-11-04 23:50

统计学习方法概论

统计学习方法概论统计学习监督学习统计学习三要素模型评估与模型选择泛化能力生成模型与判别模型分类问题标注问题回归问题最小二乘法拟合曲线统计学习方法的三要素：模型、策略和算法；统计学习统计学习（statisticallearning

千与千与·2019-11-04 23:20

敢不敢变幸福第十二章医学交流会（二）

李航和吉虎也没有认真的听会，都各怀心事的想着与会议无关的事。李航没有想到向敏会来参加交流会，本来就在反复纠结怎样将吉虎带回来的手机送给简然的他现在更加的纠结了，是等简

石六爱·2019-11-04 21:18

7.14日数学培优班课堂反馈

李航德举手积极，爱动脑筋，但是做题不仔细，知道方法，总是算错。刘祉雯上课认真，仔细听讲，但是对上课知识掌握不是熟。王昱之接受能力有点慢，但还是认真听课，值得表扬。袁静淇上课认真，积极举手。

Guoting_·2019-11-04 19:03

机器学习---感知机的理解

原始形式很容易理解，具体的参见李航教授的《统计学习基础》。，最小化损失这个函数

amazingu·2019-11-04 01:30

“红色之旅”——我们在路上

“红色之旅”——我们在路上（记者李航）秋季的湘潭，朔风过耳，秋雨绵绵。

湘潭大学青年传媒中心·2019-11-03 17:17

隐马尔可夫模型（三）-HMM基本概念

本文摘抄自李航老师《统计学习方法》一书。上一讲中我们通过一个故事了解了隐马尔可夫模型，这一节，我们将通过数学上的术语进一步加深对隐马尔可夫模型的认识。

文哥的学习日记·2019-11-03 15:29

吴恩达深度学习-神经网络基础（神经网络和深度学习）

参见李航-第6章逻辑斯蒂回归与最大熵模型2.3logistic回归损失函数通过损失函数最小化，来找对应的w和b，即确定模型。逻辑回归损失函数.png损失函数又叫做误差函数，用来衡量算法的运行情况。

瘦长的丰一禾·2019-11-03 03:37

敢不敢变幸福第二章 “怎样才能帮助你，简然”

“身上的几个部位的烧伤都好的差不多了，等再过三个月后做最后一次疤痕修复就差不多了”李航看完简然身上的烧伤后说道。

石六爱·2019-11-02 18:46

鸿福满园“樱桃之旅”暨公益基金揭牌仪式

前海创客企业家俱乐部创始会长李航女士、河南省安徽商会副会长章代国先生、烟台市安徽商会吴照伟会长、烟台市安徽商会常务副会长许良永先生、前海创客企业家俱乐部秘书长明炫润先生、汇珍宝行创始人黄晨阳女士、国家一级茶艺师资格考试主任评审高阳博士

云狂ing·2019-11-02 15:34

今天的记录

今天自己去参加培训去了，去培训前还挺紧张的，对有些事情还是比较担心，而且今天还没有工作服，幸好李航给我借了个嘿嘿其实今天在没考试之前还是有点紧张的，害怕抽查到自己，但是事情总没有自己想象的那么难，就像今天娇娇给我们做的那个小游戏

a2fe3d8f488b·2019-11-02 08:15

简讯：鄂州市考察团&南海家园地域经济发展座谈会顺利召开

鄂州市考察团与南海家园企业家交流2017年8月15日上午，鄂州市科技局赵德辉局长带领科技局副局长金先波、科长吴建新等一行6人与南海家园代表王一江、徐国胜、朱宏、王波、彭一峰、李航、张桂文、吴伟锋在深圳兆恒集团会议室举行了地域经济发展座谈会

JOJO_8499·2019-11-02 08:12

统计学习方法_第二章感知机

定义感知机模型感知机是一种属于判别模型的线性分类模型。形如：f(x)=sign(wx+b)f(x)=sign(wx+b)f(x)=sign(wx+b)其中sign(x)={1x>=0−1x=0}\\-1&\text{x=0x0\gamma>0γ>0,对所有i=1，2，3…n有：yi(woptxi)>=γy_i(w_{opt}x_i)>=\gammayi(woptxi)>=γ翻译成中文意思就是，对于

熙熙之木·2019-11-01 18:42

感知机算法原理及matlab代码实现-统计学习方法学习笔记

前言感知机（perceptron）是二分类的线性分类模型，输入实例数据，输出为实例的类别，分别取+1，-1二值。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，其实现原理主要基于误分类的损失函数，利用梯度下降算法对损失函数进行极小化。感知机1957年由Rosenblatt提出，是神经网络与支持向量机的基础。优点：简单易于实现。不需要太高的数学基础与编程技巧。缺点：线性模型，不能

想学机器学习的xzz·2019-10-30 21:10

统计学习方法笔记：1.统计学习方法概论

这是我参加mlhub123组织的书籍共读计划的读书笔记，活动见mlhub第一期读书计划阅读章节：第一章：统计学习方法概论开始时间：2018-09-14结束时间：2018-09-16目标：读完第一章，掌握基本概念

howie6879·2019-10-30 20:13

012.请你成为最好的自己

摄影/@李航Albert在还没有恋爱的时候，在旁观其他人的甜蜜的时候，也会在脑海里想象自己之后的爱情会是什么画面。

momo_1997·2019-10-29 19:19

数据分析、机器学习必读书，李航《统计学习方法》发布算法推导视频啦！（附作业讲解）...

原文链接：https://www.bilibili.com/video/av57126177/（文末可在线听人美声甜的数学系博士小姐姐带你读李航《统计学习方法》）在信息过载的时代，不懂数据分析，你就会成为新时代的

数据分析v·2019-10-22 08:45

从决策树、GBDT到XGBoost和LightGBM总结

一、决策树决策树的构建还是基于我们传统的数据结构与算法的基础上面延伸而来的，下面的思维导图简单的总结了一下决策树的部分知识：决策树的知识要点这部分的知识，在李航的统计学习方法上面总结的非常好。

奔向算法的喵·2019-10-20 11:36

李航《统计学习方法》发布算法推导视频啦！（附作业讲解）

原文链接：https://www.bilibili.com/video/av57126177/（文末可在线听人美声甜的数学系博士小姐姐带你读李航《统计学习方法》）众所周知，AI行业里的技术大牛，微软亚洲研究院

Paper_weekly·2019-10-19 15:16

机器学习-(1)概论

基于目前我的学习，给出我所认为比较重要的点吧，不喜勿喷1统计学习统计学习方法基于数据来说，主要分为监督学习，半监督学习，无监督学习，及强化学习。

walker_wias·2019-10-19 14:22

机器学习资料汇总（持续更新）

文章目录机器学习吴恩达周志华李航林轩田机器学习实战深度学习吴恩达深度学习入门动手学深度学习邱锡鹏花书更多资料关注”神经网络与自然语言处理“获取机器学习吴恩达吴恩达《机器学习》视频、作业、代码github

wardseptember·2019-10-15 20:39

《统计学习方法》第二章感知机 Perceptron 总结及其代码实现

文章中代码来自：https://github.com/wzyonggege/statistical-learning-method看过SVM支持向量机的人应该对感知机很熟悉，感知机是一个线性分类器，是向量机的基础。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

Shannon333·2019-10-15 20:43

支持向量机 SVM （一）

学习资料参考：周志华老师的《机器学习》第六章、李航老师的《统计学习方法》的第七章。文章中许多公式及图片来自于书中，这篇总结是根据笔者的基础会补充一些笔者不懂的知识点。

Shannon333·2019-10-13 20:06

【统计学习方法】EM算法实现之GMM高斯混合模型

1基本概念准备1.1高斯分布高斯分布（Gaussiandistribution）有时也被称为正态分布（normaldistribution），是一种在自然界大量的存在的、最为常见的分布形式。高斯分布的概率密度函数公式如下：1.2混合模型（MixtureModel）混合模型是一个可以用来表示在总体分布（distribution）中含有K个子分布的概率模型，换句话说，混合模型表示了观测数据在总体中的概

idwtwt·2019-10-12 01:06

李航《统计学习方法》读书笔记1——第一章统计学习方法概论

第一章统计学习方法概论简单介绍统计学习方法基本概念。统计学习定义关于计算机基于数据构建概论统计模型并运用模型对数据进行预测与分析的一门学科。统计学习也称为统计机器学习。

保护我方鲁班八号·2019-10-10 15:48

《统计学习方法(第二版)》学习笔记第二章感知机

文章目录感知机模型感知机学习准则感知机优化方法-梯度下降总结这一块因为最近要讲组会，所以做了ppt，就结合着ppt再做点总结吧。想要讲明白一个算法，总是要从三个方面入手的：模型、学习准则和优化方法，我也不例外，所以接下来也是从这三个方面来总结感知机的相关内容。感知机模型下图给出了感知机的一般形式。由给出的公式可知，感知机实际是确定了一个分离超平面，由数学定义可知，当点在这个分离超平面上，值为0；当

忆殇DR·2019-10-09 21:23

统计学习方法 —— 决策树模型

ID3算法importmathdefcreateDataSet():dataset=[['青年','否','否','一般','否'],['青年','否','否','好','否'],['青年','是','否','好','是'],['青年','是','是','一般','是'],['青年','否','否','一般','否'],['中年','否','否','一般','否'],['中年','否','否','

资深糖分大叔·2019-10-08 17:06

遵循统一的机器学习框架理解SVM

本文参考了李宏毅教授讲解SVM的课程和李航大大的统计学习方法。

SpringC·2019-10-03 15:00

感知器基础原理及python实现过程详解

简单版本，按照李航的《统计学习方法》的思路编写数据采用了著名的sklearn自带的iries数据，最优化求解采用了SGD算法。预处理增加了标准化操作。'''

沙克的世界·2019-09-30 11:11

【统计学习方法】支持向量机(SVM)

1基本概念1.1支持向量如下图所示，实心点和空心点分别代表数据的两种类别，他们被黄色区域中间的直线分隔成两部分。被蓝色和红色圆圈圈出的点即为支持向量。所谓支持向量，就是指距离分隔超平面最近的点。1.2超平面外一点x到超平面的距离1.3函数间隔和几何间隔函数间隔：几何间隔：2线性可分支持向量机2.1线性可分支持向量机定义给定线性可分训练数据集，通过间隔最大化或等价地求解相应的凸二次规划问题学习得到一

idwtwt·2019-09-28 16:52

机器学习笔记补充——EM算法及其在GMM中的应用

求解高斯混合模型(GMM)的参数4.1高斯混合模型(Gaussianmixturemodel,GMM)4.2EM算法估计高斯混合模型的参数5.EM算法的推广——广义期望极大算法(GEM) 本文内容主体是基于李航老师的

lavendelion·2019-09-25 13:35

第十二章-自我总结

在学习和推导了统计学习方法-李航(第2版)中的内容，收获蛮多，对此，既然轻轻地来了，那就得潇洒地给这个阶段学习的内容画上一个圆满的句号。

荨cecilia·2019-09-20 15:00

【统计学习方法】不等式约束，拉格朗日对偶函数，KKT条件

1基本概念1.1不等式约束1.2广义拉格朗日函数定义如下拉个朗日函数：令如果x满足1.1中的约束条件，则则原不等式约束优化问题等价于：,两个取得的值是完全一样的，称为原始问题。1.3拉格朗日对偶函数令，是原始问题（变量是x）的一个下界，称为拉格朗日对偶函数（变量是）。则对于所有,成立：则是原始问题的最大下界:当满足一定条件时，等号成立，这个条件就是下面的KKT条件。2KKT条件（原问题和对偶问题相

idwtwt·2019-09-20 10:54

【统计学习方法】附录C 拉格朗日对偶性

文章目录1.原始优化问题等价拉格朗日的极小极大问题2.对偶问题3.原问题和对偶问题的关系1.原始优化问题等价拉格朗日的极小极大问题原始优化问题ci(x)c_i(x)ci(x)为不等式约束hj(x)h_j(x)hj(x)为等式约束广义拉格朗日函数其中αj,βj\alpha_j,\beta_jαj,βj称为拉格朗日乘子，αi≥0\alpha_i\ge0αi≥0考虑以下关于x的函数：有:则θp(x)\t

乌鱼阳光·2019-09-18 15:34

《统计学习方法》-李航、《机器学习-西瓜书》-周志华总结+Python代码连载（五）--集成学习_提升方法

一、集成学习概论集成学习（Ensemblelearning）通过构建并结合多个学习器来完成学习任务，实际上，就是“三个臭皮匠顶个诸葛亮”的道理。集成学习通过将多个学习器进行结合，常可获得比单一学习器显著优越的泛化能力。这对“弱学习器（weaklearner）”尤为明显，因此集成学习的很多理论研究都是针对弱学习器进行的，而基学习器有时也被称为弱学习器。一般根据弱学习器有无依赖关系，大体分为两个流派B

xiao韩·2019-09-18 09:25

推荐频道

李航统计学习方法