李航统计学习方法

《统计学习方法》第七章: 支持向量机 读书笔记

文章目录7.支持向量机（Supportvectormachines,SVM）7.1线性可分支持向量机7.1.2概念7.1.2硬间隔最大化数学表示7.2线性支持向量机7.2.1软件隔最大化概念7.2.3软间隔最大化数学表示7.2.3合页损失7.3非线性支持向量机7.3.1核技巧7.3.2常用核函数7.4线性可分向量机、线性支持向量机、非线性支持向量机的最优解总结7.5序列最小最优化算法（SMO，se
ErinLiu❤·2019-04-24 12:31

周志华 西瓜书 《机器学习》 课后习题 - 仅供参考

附上资料：地址（仅供学习交流所用，侵权则删）密码：59ym李宏毅机器学习入门ppt—300多页讲述机器学习大概（推荐先看这个，有个整体概念）西瓜书机器学习周志华—高清pdf，无封面，带书签，不可复制搜索李航统计学
小啊小木头·2019-04-21 00:00

感知机算法python实现

我们以统计学习方法的三要素为大纲，来对感知机进行介绍。
致敬图灵·2019-04-19 19:08

感知机算法python实现

我们以统计学习方法的三要素为大纲，来对感知机进行介绍。
致敬图灵·2019-04-19 19:08

python实现朴素贝叶斯分类器（连续数据）

一、算法算法原理参考周志华老师的《机器学习》p151和李航老师的《统计学习方法》。 博客内容部分借鉴于腾讯云“海天一树”老师。二、数据集本文中的数据集使用的是“皮马印第安人糖尿病数据集”。
Tomator01·2019-04-18 19:15

python 实现朴素贝叶斯分类器（离散数据）

朴素贝叶斯算法步骤：  贝叶斯估计   代码： #-*-coding:utf-8-*- #naiveBayes朴素贝叶斯法 #author:Tomator """ 算法参考与李航博士《统计学习方法》
Tomator01·2019-04-18 00:00

统计学习方法笔记 第二章 感知机(包含Python代码)

统计学习方法笔记第二章感知机1.感知机模型2.感知机学习策略2.1数据集的线性可分性2.2感知机学习策略3.感知机的学习算法3.1原始形式学习算法3.2算法的收敛性3.3对偶算法4.python实现5.
DouglasLikeToCode·2019-04-16 15:23

《统计学习方法》第四章: 朴素贝叶斯法 读书笔记

第四章4.朴素贝叶斯法（naiveBayes）4.1朴素贝叶斯的学习与分类4.1.1基本方法4.1.2分类器模型证明4.2参数估计4.2.1极大似然估计4.2.2贝叶斯估计4.3我的实现一切为了数据挖掘的准备4.朴素贝叶斯法（naiveBayes）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方法生成模型判别模型4.1朴素贝叶斯的学习与分类4.1.1基本方法表达：输入空间X⊆RnX\subse
ErinLiu❤·2019-04-15 15:37

决策树python实现

参考书籍：机器学习--周志华/数据挖掘导论/统计学习方法参考代码链接：https://blog.csdn.net/weixin_40683253/article/details/81941583#commentsedit
simple的课·2019-04-14 23:17

【统计学习方法系列】- 01.统计学习方法概述

文章目录统计学习方法监督学习、非监督学习、半监督学习和强化学习区别分类与回归之间的区别是什么？
墨竹 | kevinelstri·2019-04-14 20:06

机器学习｜SVM支持向量机代码实现解读

前言如果你能找到这里，真是我的幸运~这里是蓝白绛的学习笔记，本集合主要针对《统计学习方法》这本书，主要是基本机器学习算法代码实现的解读。
蓝白绛·2019-04-12 22:48

深度学习Tensorflow相关书籍推荐和PDF下载

1.机器学习入门经典《统计学习方法》pdf下载链接:https://pan.baidu.com/s/1o99BsV4密码:b2ul2.周志华的《机器学习》pdf下载链接:https://pan.baidu.com
ctrigger·2019-04-11 17:21

NLP学习总结 持续更新中

NLP学习总结持续更新中统计学习方法笔记CS229课程笔记CS224课程笔记优秀知乎论文github统计学习方法笔记http://www.hankcs.com/ml/the-perceptron.htmlCS229
TianXieErYang·2019-04-11 09:39

《统计学习方法》学习笔记（第十一章）

条件随机场给定一组输入随机变量条件下另一组输出随机变量的条件概率分布模型。隐马尔科夫模型—（打破观测独立性）—>最大熵马尔科夫—（克服标注偏差问题）—>条件随机场#例题11.1#这里定义T为转移矩阵，列代表前一个y，(ij)代表由状态i转到状态j的概率,Tx矩阵x对应于时间序列#这里将书上的转移特征转换为如下以时间轴为区别的三个多维列表，维度为输出的维度T1=[[0.6,1],[1,0]];T2=
Hhhhuply·2019-04-11 09:32

HMM 实现中文词性标注 以及 维特比算法原理

写在前边】本人NLP小白，正在看序列标注相关问题，简单记录下学习的知识和博文，虽然大都是参考的别人的，但是字是我打的··哈哈哈保护知识产权尊重参考博主：参考链接：HMM中的各种算法讲解HMM词性标注参考原文李航
Amy_mm·2019-04-11 00:21

第一章 统计学习方法概论

第一章统计学习方法概论1.1统计学习1.2监督学习1.3监督学习三要素1.3.1模型（假设空间）：1.3.2策略1.3.3算法1.4模型评估和模型选择1.1统计学习统计学习方法由监督学习（supervisedlearning
stdcoutzrh·2019-04-10 23:52

《统计学习方法》学习笔记（第十章）

隐马尔科夫链源代码：https://github.com/fengdu78/lihang-code/blob/master/code/第10章隐马尔可夫模型(HMM)/HMM.ipynbclassHiddenMarkov:#前向算法defforward(self,Q,V,A,B,O,PI):N=len(Q)#状态序列的大小M=len(O)#观测序列的大小#定义到时刻t部分观测序列为o1，o2...
Hhhhuply·2019-04-09 11:21

《统计学习方法》-第二章感知机-学习总结

【感知机概述】感知机是一种二分类的线性分类模型，对于线性可分的数据集，什么叫做线性可分数据集？对于一个数据集，存在一个超平面能够将所有正负样本完全正确的划分在超平面的两侧，就称数据集为线性可分数据集。输入空间是样本的特征向量，输出空间是{-1,1},感知机旨在求出能够将训练数据进行线性划分的超平面。感知机的学习策略是最小化损失函数，利用随机梯度下降算法完成最小化损失函数，不断优化参数，最终的得到感
Royel transformed·2019-04-08 23:19

《统计学习方法》学习笔记（第七章）

支持向量机分离超平面：wTx+b=0w^Tx+b=0wTx+b=0点到直线距离：r=∣wTx+b∣∣∣w∣∣2r=\frac{|w^Tx+b|}{||w||_2}r=∣∣w∣∣2∣wTx+b∣∣∣w∣∣2||w||_2∣∣w∣∣2为2-范数：∣∣w∣∣2=∑i=1mwi22||w||_2=\sqrt[2]{\sum^m_{i=1}w_i^2}∣∣w∣∣2=2∑i=1mwi2直线为超平面，样本可表示
Hhhhuply·2019-04-08 16:17

转行AI需要看的一些文章

转行AI需要看的一些文章原创： Cottbuser 湾区人工智能 今天这里整理一些AI基础知识的相关文章 人工智能常识和干货，适合收藏 《统计学习方法》(李航)读书笔记(完结) 机器学习必备宝典-《统计学习方法
湾区人工智能·2019-04-06 22:50

统计学习方法——决策树

DecisionTree决策树学习的三个步骤：特征选择、决策树的生成、决策树的修剪决策树的结点：内部结点表示一个特征或属性，叶节点表示一个分类决策树的路径或其对应的ifthen规则集合满足性质：互斥且完备决策树学习本质上是从训练数据集中归纳出一组分类规则与训练集不相矛盾的决策树可能有很多，我们需要的是一个与训练数据矛盾较小且分化能力较强的决策树关于剪枝：我们需要对已生成的树自下而上进行剪枝，将树变
AndrewZhou924·2019-04-06 21:52

填充三角形的光栅化

四月份之前搞定基础图形学知识和《统计学习方法》不填充的三角形还记得我们上一次说的画直线的算法吗？
madao756·2019-04-06 16:31

K近邻法（KNN）（学习笔记、C++代码实现）（未完持续更新）

K近邻法参考：《统计学习方法-李航》K近邻法（K-nearestneighbor，k-NN）是一种基本分类和回归方法，本文为分类方面的学习笔记。
张杰_·2019-04-06 13:59

统计学习方法 第二章 感知机 主体内容

读书笔记系列统计学习方法第二章感知机模型一.感知机的模型感知机的模型大概是一个f(x)=sign(w⋅x+b)f(x)=sign(w\cdot{x}+b)f(x)=sign(w⋅x+b)的结构三要素是：
追影子的shammgod·2019-04-05 14:06

蓝皮书(统计学习方法)、花书(深度学习)、西瓜书(机器学习)-代码+笔记+PDF

蓝皮书(统计学习方法)《统计学习方法》(李航)读书笔记(完结)https://www.cnblogs.com/limitlessun/p/8611103.htmlPDF：http://vdisk.weibo.com
知识在于分享·2019-04-04 09:18

《统计学习方法》学习笔记（第九章）

EM算法及其推广Likelihood&Maximumlikelihood似然与概率在统计学中，似然函数（likelihoodfunction，通常简写为likelihood，似然）是一个非常重要的内容，在非正式场合似然和概率（Probability）几乎是一对同义词，但是在统计学中似然和概率却是两个不同的概念。概率是在特定环境下某件事情发生的可能性，也就是结果没有产生之前依据环境所对应的参数来预测
Hhhhuply·2019-04-03 17:13

【李航-统计机器学习】【原理及代码】【第二章】 感知机模型 python C++

一、原理：感知机的“非对偶”还是比较容易理解的，输出的Y只有+1和-1两个选择。公式：，其中w是权重，b是偏置其中sign算是个激活函数：线性方程：这个对应空间中的一个超平面需要知道的几个小内容：1、点到超平面的距离：，，这样一来相当于是x向量在w方向上投影之后+b=距离2、误分类数据,具有如下关系成立:3、误分类点到超平面的总距离：4、损失函数：5、参数更新：二、课本上2.1的习题importn
Hi_AI·2019-04-03 17:18

《统计学习方法》学习方法（第六章）

逻辑斯蒂回归源代码：https://github.com/fengdu78/lihang-code/blob/master/code/第6章逻辑斯谛回归(LogisticRegression)/LR.ipynbLR是经典的分类方法sigmoid函数f(x)=11+e−xf(x)=\frac{1}{1+e^{-x}}f(x)=1+e−x1线性回归wx=w0∗x0+w1∗x1+w2∗x2+...+wn
Hhhhuply·2019-04-03 11:16

（转）李航《统计学习方法》用python实现第二章-感知器模型

参考自https://blog.csdn.net/jiangjiang_jian/article/details/82989500
J_ssica_L·2019-04-02 21:32

学习笔记_第二章 感知机-《统计学习方法》李航

感知机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。感知机预测是用学习得到的感知机模型对新输入实例进行分类。2.1感知机模型感知机是一种线性分类模型，属于判别函数。感知机模型的假设空间是定义在特征空间中的所有线性分类模型或线性分类器，即函数集合{f|f(x)=wx+b*}.感知机的几何解释：线性方程wx+b=0*对应于特征空间Rn中的一个超平面S，其中w是超
默默奋斗的喵星人·2019-04-01 10:30

EM算法--二维高斯混合模型(GMMs)

参考文章http://blog.163.com/baolong_zhu/blog/static/196311091201421185531966/《统计学习方法》李航EM算法是一种迭代算法，1977年由
触动人生·2019-03-30 20:21

支持向量机——硬间隔与软间隔最大化

前言：长的文字使人畏惧，《统计学习方法》这章真的很长硬间隔最大化本质如果数据集线性可分就是要找到一个超平面，使数据点可分，并且最小几何距离最大用数学表示如下其中表示最小几何距离，所以这个公式的意思就是，
madao756·2019-03-28 18:25

机器学习之回归算法篇（一）

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，主要用于对样本进行分类，逻辑回归也被称为广义线性回归模型，它与线性回归模型的形式基本上相同。
Jayboy.chen·2019-03-26 20:43

【笔记】统计学习方法——sklearn之knn

参考文献：李航.统计学习方法[M].北京:清华大学出版社,2018.该部分笔记全部总结自这本书。KDT这部分代码我是参考自一个GitHub上面开源代码，找不到那个帖子了，再看到的时候再回来补超链接吧。
贫僧不懂·2019-03-25 17:13

《统计学习方法》学习笔记（第四章）

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方法对于给定训练数据集，首先基于特征条件独立假设学习输入/输出的联合分布概率；然后基于此模型，对给定的输入x，利用贝叶斯理论求出后验概率的最大的输出y。具体：给定属性值的某类值的概率称为条件概率，通过将条件概率乘以给定类值的每个属性（先验概率），我们得到属于该类的数据实例的概率。为了进行预测，我们可以计算属于每个类的实例的概率，并选择具有最高概率的
Hhhhuply·2019-03-25 09:00

【笔记之】统计学习方法概论

参考文献：李航.统计学习方法[M].北京:清华大学出版社,2018.该部分笔记全部总结自这本书。
贫僧不懂·2019-03-24 22:57

感知机python实现

感知机原理参考博客：https://www.cnblogs.com/huangyc/p/9706575.html算法引用李航博士《统计学习方法》p29.
Tomator01·2019-03-22 14:30

机器学习实战---朴素贝叶斯

算法原理朴素贝叶斯算法是一个典型的统计学习方法，主要理论基础就是一个贝叶斯公式，贝叶斯公式的基本定义如下：朴素贝叶斯分类器的表示形式：当特征为为x时，计算所有类别的条件概率，选取条件概率最大的类别作为待分类的类别
qq_38479348·2019-03-21 11:39

统计学习方法——最小二乘法及其具体实现

1.引言最小二乘法作为线性拟合常用的一种方法，勒让德(A.M.Legendre)于1805年在其著作《计算慧星轨道的新方法》中提出的，被广泛应用于各种数据拟合的方法中。曾经在某软时，也遇到这题，今有幸弄清最小二乘法的原理和计算方法，特地分享出来，供大家查阅和指点。本文主要内容如下：（1）介绍最小二乘法原理和相关知识（2）介绍最小二乘法的计算方法（3）使用Matlab进行最小二乘法的实现（4）最小二
刘炫320·2019-03-21 11:34

学习《统计学习方法李航》的读书笔记

Chapter1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结构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。
ff_xun·2019-03-20 15:29

李航《统计学习方法》笔记和代码示例教程

原文链接：https://mp.weixin.qq.com/s?__biz=MzU2OTA0NzE2NA==&mid=2247508281&idx=2&sn=414d146818fb24a377c66b9af1326d85&chksm=fc86402acbf1c93c5cf99cfae74591f27a9b6c025b29f69d2d700ff234e8b05c8d75e8b7f642#rd【导读
myourdream2·2019-03-19 00:50

统计学习方法之基础整理（一）

统计学习方法之基础整理（一）正则化L1范式和L2范式L1范式L2范式L1范式与L2范式区别：交叉验证ROC曲线和AUC值ROCAUC生成模型与判别模型生成模型判别模型正则化正则化是模型选择的典型方法，是结构风险最小化策略的实现
Elvira521yan·2019-03-18 19:54

《统计学习方法》学习笔记（第八章）

第八章提升方法提升（boosting）：通过改变训练样本的权重，学习多个分类器，并将这些分类器进行线性组合，提高分类性能。（针对上一个基本模型分类错误的样本增加权重，使得新的模型重点关注误分类样本）AdaBoostAdaBoost是AdaptiveBoost的缩写，表明该算法是具有适应性的提升算法。算法的步骤如下：1）给每个训练样本（x1,x2,….,xNx_{1},x_{2},….,x_{N}x
Hhhhuply·2019-03-18 17:56

统计学习方法 p12 多项式拟合 python实现

看李航老师《统计学习方法》这本书，第12页举了一个多项式拟合的问题，自己怎么都推导不出来，上网查发现书上有误。拟合问题描述如下：书上的推导就不贴了。
frodo_x·2019-03-18 15:00

机器学习入门书籍推荐

作为一个半路出家的小菜鸡，为了较系统学习机器学习，看过好几本相关书籍，除了上面说的这一本，还看过周志华的《机器学习》、李航的《统计学习方法》、IanGoodfellow《DeepLearning》。
南瓜派三蔬·2019-03-16 12:27

k近邻法（KNN）python 实现

KNN关于knn的原理就不赘述了，算法原理可以参考李航博士的《统计学习方法》。这次采用的是最简单的线性扫描方法来寻找k个最近邻点。
Tomator01·2019-03-14 22:19

《统计学习方法》学习笔记（第五章）

第5章决策树ID3算法（基于信息增益）entropy（信息熵）：H(x)=−∑i=1npilog⁡piH(x)=-\sum_{i=1}^{n}p_i\log{p_i}H(x)=−∑i=1npilogpi#熵defcalc_ent(datasets):data_length=len(datasets)#类别是/否label_count={}foriinrange(data_length):label
Hhhhuply·2019-03-14 16:25

用python实现一个简单地感知机模型

'''今天看了几页李航老师的《统计学习方法》，感觉写的很透彻，有点手痒按照书上的算法花几分钟写了一个简单至极的感知机模型，没有调用numpy，全程用列表完成，所以内容上稍显复杂'''alist=[[3,3,1
KageYamaa·2019-03-14 15:08

《统计学习方法》学习笔记（第三章）

k近邻法源代码：https://github.com/fengdu78/lihang-code/blob/master/code/第3章k近邻法(KNearestNeighbors)/KNN.ipynbitertools模块itertools是python内置的模块，使用简单且功能强大combinations(iterable,r)创建一个迭代器，返回iterable中所有长度为r的子序列，返回的
Hhhhuply·2019-03-14 10:35

感知机算法原始形式与对偶形式的python实现

2.分别用李航《统计学习方法》课本中的算法2.1和算法2.2求解w和b，并将最终的分类面画在图上；解：第一次分类结果：分类结果一算法2.1求解结果算法2.2求解结果w0[0]=0.400000
许希律·2019-03-13 15:54
上一页 43 44 45 46 47 48 49 50 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他