李航统计学习笔记第16页

EM算法---基于隐变量的参数估计

注：本文中所有公式和思路来自于李航博士的《统计学习方法》一书，我只是为了加深记忆和理解写的本文。】

XGBoost·2020-08-03 05:49

SVM学习总结（一）如何学习SVM

二、学习方法通过各种资料的对比学习，我个人觉得使用李航的《统计学习方法》第七章，再辅助以网上的资料应该就差不多了，然后再写个SMO算法就可以了。

往事如风~·2020-08-03 05:16

可汗统计学习笔记

12.样本和总体sample样本，population总体，mean均值总体是一个概念，一般来说总体是不可以全部测量的，所以我们只取一部分来测量这就是样本。例如：我们不可能测量所有人的身高，但是我们可以在所有人中取一部分来测量这部分人的平均身高，这就是样本均值。总体的平均就是总体均值。简单说：总体均值就是总体数的平均，样本均值就是样本数的平均。13.总体方差总体方差是为了查看样本与均值之间的偏差度

老James·2020-08-03 04:24

可汗统计学习笔记2

1、中心极限定理(CentralLimitTheorem)1）中心极限定理随着样本容量(Samplesize)n趋于无穷，样本均值(SamplingDistributionoftheSampleMean)越接近正态分布样本均值的标准差(StandardErroroftheMean)变小：偏度(Skew)更接近于0，峰度(Kurtosis)也更接近于0大数定律LawofLargeNumber：随着样

老James·2020-08-03 04:24

机器学习（一）：模型的参数估计方法

机器学习（一）：模型的参数估计方法前言：之前在看李航的《统计学习方法》，思考的同时打算对于其中一些问题做一些总结和记录，希望以后再看的时候能够有更深入的理解。

z語默·2020-08-03 02:42

SVM-支持向量机学习（1）：线性可分SVM的基本型

1.foreword先看的是李航老师的书第7章，比较传统按照以下三节展开：线性可分SVM线性SVM非线性SVMSMO算法李航老师讲东西向来不拖泥带水，但本节也几乎用了40页的篇幅，足见涉及内容之多。

鸟恋旧林XD·2020-08-03 02:59

机器学习实战Chp6： SVM-支持向量机--径向基函数---手写数字识别

机器学习实战Chp6：SVM-支持向量机–径向基函数—手写数字识别#-*-coding:utf-8-*-"""CreatedonTueJul2420:01:442018@author:muli"""#参考李航

木里先森·2020-08-03 02:29

Logistic Regression

Modelsklearn.linear_model.LogisticRegressionsklearn.linear_model.LogisticRegressionCVstatsmodelsTensorflow实现LR参考：李航

东昌府尹·2020-08-03 02:07

支持向量机—SMO算法源码分析（1）

支持向量机的理论支持在此不细说，可以参考李航的《统计学习》，还有西瓜书。简化版SMO算法处理小规模数据集SMO算法是一种启发式算法。

lilong117194·2020-08-03 01:48

SVM支持向量机的推导（非常详细）

q=svm%E6%8E%A8%E5%AF%BC&utm_content=search_suggestion&type=content）还有李航的统计学习。

just-solo·2020-08-03 01:04

分类：支持向量机(一)——完全线性可分

page_id=683https://www.cnblogs.com/pinard/p/6097604.html李航老师的《统计学习方法》1.支持向量机简介支持向量机(SupportVectorMachine

hgz_dm·2020-08-03 00:05

支持向量机笔记

读李航老师《统计学习方法》笔记模型：线性可分支持向量机（linearsupportvectormachineinlinearlyseparablecase）线性支持向量机（linearsupportvectormachine

warrioR_wx·2020-08-03 00:49

SVM-SMO算法python实现

支持向量机SMO算法可参照李航《统计学习方法论》一书，博客可参考：https://blog.csdn.net/willbkimps/article/details/54697698https://www.cnblogs.com

fjssharpsword·2020-08-02 23:59

机器学习第十课：支持向量机SVM（一）线性可分（硬间隔）SVM

本节内容主要理论来源于李航《统计学习方法》。从今天开始，我开始看第三遍了。

魔峥·2020-08-02 23:03

机器学习：SVM（三）——序列最小最优化（SMO）算法

参考：李航《统计学习方法》周志华《机器学习》[https://www.jianshu.com/p/55458caf0814][https://

a16111597162163·2020-08-02 22:45

AI之路（二）——关于统计学习（statistical learning）Part 1 概论

我所选择的是李航所著的统计学习（第二版），计划将我对本书的自学总结或心得，能及时地在此发布，希望能在业余时间里用一年甚至更短的时间内完成此书的学习。Now,Let’sGO!

达摩院院长·2020-08-02 21:28

python实现支持向量机SVM源码（SMO算法）

本次是学习了李航博士《统计学习分析》后实现了算法，算法实现了线性支持向量机和非线性支持向量机，采用SMO算法求解。算法中实现了两种核函数：高斯核函数和多项式核函数。

Tomator01·2020-08-02 21:27

机器学习(7)——支持向量机（一）：从感知机到线性可分支持向量机

因此先是系统推导了李航的《机器学习》，之后学习AndrewNg的机器学习课程，并看了july、pluskid等人的技术博客。也不能说自己完全懂了，只能算是学习笔记，总结一些自己能掌握的东西。我在

Lyndon_zheng·2020-08-02 21:01

SVM学习总结（三）SMO算法流程图及注释源码

非常适合初学者的，而且smo算法实现的主体架构和实现都与SMO算法原论文基本一致，源码应该是一个老外写的，英文注释较多，csdn上下的适合有些中文注释，我在看的过程中又加入了一些注释，注释中提到的书指的主要是李航的

往事如风~·2020-08-02 20:01

手推机器学习系列笔记——手推SVM(1)硬间隔、软间隔、约束优化问题、对偶性证明、KKT条件

笔记是听了b站大神的白板推导机器学习系列课，再结合李航老师的《统计学习方法》、周志华老师的西瓜书以及其他优秀博主的博客而成（浑然天成！！！）

Fox_Alex·2020-08-02 20:22

概率论与数理统计学习笔记一：事件的概率

参考文献：《概率论与数理统计》-陈希孺1.概率是什么1）主观概率（1）主观概率含义：为根据其经验和知识及利害关系的一种心态或倾向性（2）主观概率特点：不是在坚实的客观理由基础上为人们所公认；但不能从科学角度简单的全盘否定，（a）该概念有广泛的生活基础；（b）可能反映认识主体的一种倾向性，而有其社会意义；（c）在涉及利益得失的决策中，处于不同地位和掌握情报多少不同的人，对某事件可能性大小要参照这些情

坚持就是胜利z·2020-08-01 10:26

Coursera机器学习课程笔记(1) Supervised Learning and Unsupervised Learning

yew1eb·2020-08-01 08:31

今日头条李航：深度学习NLP的现有优势与未来挑战

近日，AI技术大牛李航博士（已加入今日头条）在《国家科学评论》（NationalScienceReview，NSR）上发表了一篇题为《DeepLearningforNaturalLanguageProcessing

mishidemudong·2020-07-30 20:26

北大AI公开课第八课--自然语言对话的现状与未来by今日头条李航

汪汪小白狗·2020-07-30 19:14

湘潭大学学生国防教育协会暑期社会调研团积极筹备“三下乡”前期准备工作

（通讯员：李杏李航）8月17日，为了确保三下乡活动的顺利开展，湘潭大学学生国防教育协会赴常德市澧县社会调研团就前期的准备工作及活动期间的调研任务做了总结和安排。

湘潭大学青年传媒中心·2020-07-30 18:02

EM算法深入浅出

最近学习了下EM算法，看了下李航的《统计学习方法》第九章EM算法，被一堆理论+公式看的云里雾里的，头大。

曼陀罗彼岸花·2020-07-30 16:12

【机器学习（二）】感知机

本篇是关于机器学习的第二篇，这一系列的文章主要是参考李航老师的《统计学习方法》一书，以及兼考虑周志华老师的《机器学习》一书本篇主要讲述的是感知机，需要注意的是与后面的支持向量机（SVM）的比较，尤其是与线性可分的支持向量机之间的比较

第五清风·2020-07-30 16:57

【机器学习（三）】拉格朗日对偶性

本篇是关于机器学习的第三篇，这一系列的文章主要是参考李航老师的《统计学习方法》一书，以及兼考虑周志华老师的《机器学习》一书本篇不是李航老师的《统计学习方法》中的一部分，主要是对第二篇感知机中所涉及到的拉格朗日对偶性进行补充

第五清风·2020-07-30 16:57

【机器学习（一）】统计学习及监督学习概论

本篇是关于机器学习的开篇之作，这一系列的文章主要是参考李航老师的《统计学习方法》一书，以及兼考虑周志华老师的《机器学习》一书。本篇博客是该系列的第一篇，主要是关于统计学习一些基本概念中的重难点。

第五清风·2020-07-30 16:56

男生女生谁怕谁（6）敬老院的小雷锋

李航就故弄玄虚地改编《月亮代表我的心》，唱着回答柳叶的问题：“你问我到底喜欢谁，我凭啥告诉你。你的情也真，你的意也深，难道你也喜欢我……”“stop!”张莹莹强制命令，“再唱就不要跟着我们了。”

三门峡014张丽娜·2020-07-29 16:07

机器学习之隐马尔科夫模型(HMM)原理及Python实现 (大章节)

本章节内容参考李航博士的《统计学习方法》本章节添加了一些结论性结果的推导过程。

happy_hongwei·2020-07-29 12:46

人工智能如何跨越“语言关”，看高文、刘兵、李航、马维英、张潼、刘铁岩们是怎么说的？...

7月23日，第二届语言与智能技术高峰论坛（Language&IntelligenceSummit）在北京召开。该论坛是由中国计算机学会与中国中文信息学会共同发起并联合主办的语言理解与认知智能领域的高端论坛，旨在向社会公众介绍国际自然语言理解及认知智能方向的发展趋势和创新成果，推动我国相关领域的前沿学术研究和产业技术创新的发展。本届高峰论坛聚集了来自学术界、产业界从事自然语言处理与人工智能技术研究人

weixin_33923148·2020-07-29 06:20

《然后》

李航回头一看原来是公司外籍员工亚特，他是新西兰人，移民到中国没两年，和自己混的比较熟，他的中文还有口音基本上都是跟着自己学的看来自己这个老师当的不怎样啊。

蓝枫_463a·2020-07-29 05:35

Naive Bayes

写在开头最近在学习一些关于机器学习的基础算法，结合学习PeterHarrington的《机器学习实战》和李航老师的《统计学习方法》两本书以及网上前辈的笔记，写下了以下的学习过程。

Lucius_Keep_Going!·2020-07-28 21:19

统计学习笔记：朴素贝叶斯（Naive Bayes）原理及C++源码实现

朴素贝叶斯（用于分类）一、概念朴素贝叶斯法是在假设输入向量x的特征条件独立（即在输入模式所属类别确定时，输入向量x的每个元素取值互不影响）下，通过样本集合学习输入x与输出y的联合概率分布。再用所得到的联合概率分布通过贝叶斯公式计算条件概率（后验概率）。将输入模式分类到后验概率最大的一个类别中。二、方法2.1贝叶斯公式假设需对n个类别进行分类，按照贝叶斯公式：式中ck表示输出y的类别，k=1,2,…

_Morris_·2020-07-28 20:21

李航-《统计学习方法》第七章支持向量机

文章目录一模型二策略2.1线性可分支持向量机与硬间隔最大化2.1.1函数间隔和几何间隔2.1.2间隔最大化2.1.3学习的对偶算法2.2线性支持向量机与软间隔最大化2.2.1线性支持向量机学习算法2.2.2合页损失函数2.3非线性支持向量机与核函数2.3.1核技巧三算法[序列最小最优化算法SMO]3.1求解两个变量二次规划问题的解析方法3.2选择变量的启发式方法支持向量机二分类模型

李滚滚·2020-07-28 19:34

李航《统计学习方法》——第五章决策树及Python实现（附习题答案）

文章目录1模型2策略3算法3.1ID3算法（C4.5算法）决策树3.1.1特征选择ID3算法C4.5算法3.1.2决策树生成3.2CART(回归树和决策树)3.2.1特征选择3.2.1.1回归——最小二乘3.2.1.2模型树——最小化线性方程误差3.2.1.3决策——基尼系数3.2.2回归树/决策树生成3.2.3剪枝预剪枝后剪枝3.2.4分类4总结优点缺点：5习题5.1利用信息增益比生层决策树5.

李滚滚·2020-07-28 19:02

决策树模型、本质、连续值完整篇

-摘自《统计学习方法》李航第五章《机器学习》周志华第四章决策树算法属于生成算法，通常包括3个步骤：特征选择、决策树的生成、决策树的剪枝决策树学习本质上是从训练集中归纳出一组分类规则。

weixin_34357962·2020-07-28 19:34

李航《统计学习方法》第十章——用Python实现隐马尔科夫模型

wds2006sdo·2020-07-28 15:25

男生女生谁怕谁（65）绝食的兔子

自然角旁边的窗台上摆着一个金鱼缸，养着四条五彩缤纷的金鱼，窗台下是李航昨天带来的一只白玉般的小野兔。“你们女生就是小气，只喜欢花花草草的。我们男生可不一样，喜欢活动的。”

三门峡014张丽娜·2020-07-28 15:04

AdaBoost算法

注：本文中所有公式和思路来自于李航博士的《统计学习方法》一书，我只是为了加深记忆和理解写的本文。

XGBoost·2020-07-28 14:33

2018/02/28 71班第1小组作业雨统计

践行结果：请假：1人-007-5318｜李航（和值月生请假）未点评：2人007-3506｜邹善007-5314｜王可钦（因手机原因找不到文章点评）作品展示：007-3506｜邹善丨作品11讲思考感悟007

Jaycee天使猫·2020-07-28 13:47

文本分析入门（一）

主要通过博客，李航的《统计学习方法》，相关比赛代码来学习。首先还是介绍几个名词，一个新领域总是有很多新名词。

青木长风·2020-07-28 08:52

决策树到底是什么？

本文思想及知识来源于对李航老师的统计学习方法的拜读，加上一些自己的理解整理，感谢李航老师伟大的著作：《统计学习方法》！决策树是什么？

Air_2014·2020-07-27 14:25

李航《统计学习方法》第七章——用Python实现支持向量机模型（伪造数据集）

wds2006sdo·2020-07-27 13:37

李航老师《统计习方法》第二版第二十一章课后题答案以及关于PageRank的改进算法

转载请注明出处1、李航老师《统计学习方法》第二版第二十一章课后题答案21.1假设方阵A是随机矩阵，即其每个元素的非负，每列元素的和为1，证明AkA^{k}Ak仍然是随机矩阵，其中k是自然数。

六七～·2020-07-22 18:32

《机器学习实战》中SVM算法实现的错误

最近又看了一遍SVM算法，理论主要参考了李航老师的《统计学习方法》，代码实现上参考了《机器学习实战》和smo算法的原始论文。期间发现《机器学习实战》在实现完整版的PlattSMO有点问题。

lightt·2020-07-17 16:37

【机器学习】：SMO算法理解

主要基于李航的《统计学习方法》SMO(sequentialminimaloptimization)序列最小最优化算法我们在讨论支持向量机的学习问题时，可以将其转换成求解凸二次规划问题。

故沉·2020-07-16 01:36

感知器算法及实现（个人觉得很不错！）

显示不完全，原文链接http://www.cnblogs.com/OldPanda/archive/2013/04/12/3017100.html笔记——感知机最近在研究机器学习理论的时候发现了一本好书，是李航博士的

gningh·2020-07-15 23:00

李航：统计学习方法学习笔记 1 统计学习方法概论

李航：统计学习方法学习笔记1统计学习方法概论前言1.1统计学习1.2监督学习1.3统计学习三要素1.3.1损失函数和风险函数1.3.2经验风险最小化和结构风险最小化1.4模型评估与模型选择1.5其他..

雪清Fand·2020-07-15 19:27

推荐频道

李航统计学习笔记