李航统计学习笔记

感知机学习模型

摘要：logistic回归，感知机学习，SVM支持向量模型，初学这三个内容的时候感觉三者很想，都是找到一个超平面将需要分类的点分到超平面的两侧，脑子里面一团浆糊，如今拜读了李航老师的《统计学习方法》和周志华老师的西瓜书
WenjunDing·2017-11-29 21:49

机器学习--写在最前面

学习机器学习，采用的书籍是《机器学习实战》+李航《统计学习方法》学习的网站是http://www.apachecn.org/map欢迎各位大佬来打脸！！PS：强推ApachenCN
huixinbuding·2017-11-29 00:00

贝叶斯分类器-机器学习ML

《统计学习方法》李航2.https://baike.baidu.com/item/%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E7%B1%BB%E5%99%A8/1739590
HelloZEX·2017-11-20 14:18

支持向量机SVM-机器学习ML

《统计学习方法》李航2.http://blog.csdn.net/macyang/article/details/38782399/3.https://baike.baidu.com/item/%E6%
HelloZEX·2017-11-18 15:03

朴素贝叶斯Naive Bayes-机器学习ML

《统计学习方法》李航2.先验概率与后验概率的区别：http://blog.csdn.net/ouyang_linux007/article/details/75663393.朴素贝叶斯方法（NaiveBayes
HelloZEX·2017-11-11 15:22

kd树

《统计学习方法》李航2.https://baike.baidu.com/item/kd-tree/2302515?
HelloZEX·2017-11-11 14:21

『MACHINE LEARNING』读书笔记|周志华《机器学习》|5.2神经网络感知机

周志华《机器学习》用的sign函数稍与李航的《统计学习方法》有不同，接下来利用的是周志华《机器学习》的版本。感知机形如下图。说好的二类分类的线性分类模型，体现在哪？线性分
amazingmango·2017-11-06 13:36

李航老师的《统计学习方法》第二章算法的matlab程序

dengyt/p/7787097.html参考了http://blog.sina.com.cn/s/blog_bceeae150102v11v.html#post%感知机学习算法的原始形式，算法2.1参考李航
weixin_33883178·2017-11-05 12:00

统计学习方法-李航（学习笔记）

第一章看完第一章后，找了相关的资料进行复习巩固，下面推荐几篇文章：（1）统计学习方法概论：http://blog.csdn.net/qll125596718/article/details/8351337（2）范数（泛函课程中）的概念：http://blog.csdn.net/shijing_0214/article/details/51757564（3）奥姆卡剃刀原理：http://songsh
yanghui_429·2017-11-04 16:07

正则化(线性回归)

正则化这部分是结合统计机器学习的（李航）和吴恩达的机器学习视频写的，有什么不对的地方欢迎指出啊！当数据量少，特征也少的时候，我们训练的模型是欠拟合，这时候我们会通过交叉验证来弥补。
小星爷·2017-10-28 10:59

统计学习方法-第二章-感知机

在看了机器学习基石的感知机算法视频之后，把李航的统计学习方法的这部分内容也看了。
manaml·2017-10-20 10:14

逻辑斯谛回归（Logistic regression）—《统计学习方法》

逻辑斯谛回归（Logisticregression）是统计学习领域的一个经典分类方法，学习李航教授的《统计学习方法》将笔记和一些感悟记录下来；1逻辑斯谛分布（logisticdistribution）  
TqHzBw·2017-10-16 10:02

快就是慢，慢就是快

想来这好像是第一篇写和技术无关的博客了，这2年写博客也越来越随便了，经常是像写笔记似地，把脑子里的思路结构表达出来放到博客园上最近一直在看李航的《统计学习方法》，看了有好几个月了，速度非常慢，有时候一个章节要看一到两个星期
郑瀚Andrew.Hann·2017-10-12 23:00

提升方法boosting

本文是《统计学习方法》李航著学习笔记。现在的数据科学比赛中用到的算法大杀器GBDT(gradientboostingdecisiontree)终于要出场了！
Young_win·2017-10-10 02:54

支持向量机support vector machines

本文是《统计学习方法》李航著学习笔记。为了叙述方便，将supportvectormachines简称SVM。
Young_win·2017-10-04 20:19

逻辑斯谛回归与最大熵模型logistic regression/maximum entropy model

本文是《统计学习方法》李航著学习笔记。为了叙述方便，将logisticregressionmode简称LR，maximumentropymode简称ME。
Young_win·2017-10-02 22:07

十五、卷积神经网络（2）：卷积神经网络的结构

本篇博客主要内容参考图书《神经网络与深度学习》，李航博士的《统计学习方法》NationalTaiwanUniversity(NTU)李宏毅老师的《MachineLearning》的课程，在下文中如果不正确的地方请积极指出
独孤呆博·2017-10-01 11:06

十四、卷积神经网络（1）：介绍卷积神经网络

本篇博客主要内容参考图书《神经网络与深度学习》，李航博士的《统计学习方法》NationalTaiwanUniversity(NTU)李宏毅老师的《MachineLearning》的课程，在下文中如果不正确的地方请积极指出
独孤呆博·2017-09-30 12:32

机器学习：神经网络、正则化、多分类问题与Python代码实现

特别强调，其中大多理论知识来源于《统计学习方法_李航》和斯坦福课程翻译笔记以及Coursera机器学习课程。
16huakai·2017-09-30 11:51

机器学习：逻辑回归与Python代码实现

特别强调，其中大多理论知识来源于《统计学习方法_李航》和斯坦福课程翻译笔记以及Coursera机器学习课程。
16huakai·2017-09-30 10:26

【机器学习】EM算法

相关资料主要是参考了下面内容书籍内容周志华机器学习李航统计学习方法视频内容吴恩达机器学习第12课张志华统计机器学习EM算法(1,2,3)本文大致思路是先按照吴恩达讲义中的思路，然后利用统计学习方法中的方法进行补充说明
S大幕·2017-09-28 16:03

机器学习：线性回归与Python代码实现

特别强调，其中大多理论知识来源于《统计学习方法_李航》和斯坦福课程翻译笔记以及Coursera机器学习课程。
16huakai·2017-09-28 14:32

机器学习路径规划

看了一节课程介绍后，大体规划了下machinelearning的学习路径视频台大林轩田《机器学习基石》台大林轩田《机器学习技法》小象学院机器学习2017年4月份课程AndrewNGMachineLearning书李航
panda桑·2017-09-25 13:56

机器学习：交叉验证和模型选择与Python代码实现

特别强调，其中大多理论知识来源于《统计学习方法_李航》和斯坦福课程翻译笔记。
16huakai·2017-09-23 14:43

python感知机实现

本文主要是参考了李航的《统计学习方法》，然后使用python实现了感知机，并对二维数据集进行分类，验证了算法的有效性。本文主要内容如下：感知机基本原理算法步骤代码实现下面先
FishBear_move_on·2017-09-22 21:50

机器学习svm算法python代码实现

代码参照了《机器学习实战》，但个人觉得它的逻辑不是太好，所以结合李航的书改了下。
HumorousJack·2017-09-20 00:00

感知机perceptron

本文是《统计学习方法》李航著学习笔记。感知机是二类分类的线性分类模型，输入：实例的特征向量，输出：实例的类别。感知机学习：求将训练数据进行线性划分的分离超平面，即将实例化分为正负两类的分离超平面。
Young_win·2017-09-15 17:50

Caffe入门随笔

其次是华盛顿大学的MachineLearning系列课程，一共有6门，包括毕业设计（2）书籍：机器学习（周志华西瓜书）、机器学习实战、统计学习方法（李航）、集体智慧编程、数学之美（吴军）（3）微博@余凯
weixin_30677617·2017-09-09 20:00

《统计学习方法》李航_学习笔记_第4章_朴素贝叶斯

1.2后验概率最大化的含义2朴素贝叶斯法的参数估计2.0参数估计数目2.1极大似然估计2.2贝叶斯估计2.3学习与分类算法思考代码实现1连续数据（iris数据集）2离散数据（文本分类）《统计学习方法》李航第
猫哆哩o0·2017-09-09 16:31

HMM超详细讲解+代码

最近从52nlpHMM系列讲解再次入手，结合多篇博客、github项目以及李航的《统计学习方法
continueOo·2017-09-08 13:55

统计学习（监督学习）框架总结

以下内容参考《统计学习方法》李航著，《Python机器学习及实践》范淼、李超著机器学习：监督学习——对事物未知表现的预测无监督学习——对事物本身特性的分析半监督学习，强化学习无监督学习：数据降维——对事物的特性进行压缩和筛选
Young_win·2017-09-06 22:38

机器学习入门笔记简介

1我的机器学习之路很多人一开始就看李航的《统计学习方法》，但很快就会被满篇幅的数学式子吓退，但这本是机器学习经典的一本读物，我是拿它在进阶前补充理论知识的。
Miss_喵·2017-09-05 22:42

机器学习实战：KNN算法讲解

机器学习实战：KNN算法讲解    KNN算法本章内容来至于《统计学习与方法》李航,《机器学习》周志华,以及《机器学习实战》Peter HarringTon,相互学习,不足之处请大家多多指教  1.1 
hust我是船长·2017-09-05 00:00

机器学习实战：KNN算法

机器学习实战：KNN算法本章内容来至于《统计学习与方法》李航，《机器学习》周志华，以及《机器学习实战》PeterHarringTon，相互学习，不足之处请大家多多指教1.1KNN算法的优缺点1.2KNN
hust我是船长·2017-09-04 00:00

十一、改变神经网络的学习方法（5）：随机梯度下降的变化形式(Adagrad、RMSProp、Adadelta、Momentum、NAG)

本篇博客主要内容参考图书《神经网络与深度学习》，李航博士的《统计学习方法》NationalTaiwanUniversity(NTU)李宏毅老师的《MachineLearning》的课程，在下文中如果不正确的地方请积极指出
独孤呆博·2017-08-19 15:14

一、神经网络 -- 从感知机讲起

本篇博客主要内容参考图书《神经网络与深度学习》，李航博士的《统计学习方法》NationalTaiwanUniversity(NTU)李宏毅老师的《MachineLearning》的课程，在下文中如果不正确的地方请积极指出
独孤呆博·2017-08-12 12:04

python实现最大熵模型

#encoding:utf-8'''Createdon2017-8-7根据李航>实现'''fromcollectionsimportdefaultdictimportmathclassMaxEnt(object
adzhua·2017-08-08 09:28

机器学习初探之感知机模型

最近在工作闲暇中也在追赶时代的潮流,于是就打起了机器学习的注意,通过网上查阅资料还有询问相关的从业人员,发现机器学习的成本还是蛮高的,对数理统计这方面的要求也蛮高,还好我同事是统计方面的留学高材生,给我推荐了李航博士的
哇塞田·2017-08-02 11:41

《西瓜书》笔记08：集成学习

因为是以李航的《统计学习方法》为主来看，将西瓜书作为补充。李航书的特点就是10个算法，每个推导，实例辅助，不拖泥带水，干货满满。西瓜书恰好弥补了李航书的不足，非常丰润，很多补充的小知识点。
鸟恋旧林XD·2017-08-01 00:00

ROC与AUC小结

前言最近组内在学习机器学习算法，参考书目是李航老师的《统计学习方法》。目前工业界对于离线推荐效果验证的指标通常是AUC，我是前不久才知道这个指标的。
承羿·2017-07-27 18:03

李航 统计学习方法 第五章 决策树 课后 习题 答案

决策树是一种基本的分类和回归方法。决策树呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合，也可以认为是定义在特征空间和类空间上的条件概率分布。学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型。预测时，对新的数据，利用决策树模型进行分类。决策树学习通常包括三个步骤：特征选择、决策树的生成和决策树的剪枝。（ID3、C4.5、CART）1特征选
fxnfk·2017-07-24 11:01

努力：论文CCCV 2017录取通知

研究过程大概是有这么几个阶段：（1）看书因为考虑用条件随机场（ConditionalRandomField,CRF）来对神经网络的分割结果进行优化，所以先看李航博士的《统计学习方法》第10、11章，分别是关于隐马尔科夫模型和条件随机场
鸟恋旧林XD·2017-07-20 17:55

机器学习相关书籍

最近见了一些大佬，也推荐了一些书籍，自己整理了一下（不断更新）：《数学之美》吴军《统计学习方法》李航《凸优化》StephenBoyd《机器学习》周志华《机器学习实战》ShaiShalev-ShwartzandShaiBen-David.UnderstandingMachineLearning
iCGY96·2017-07-18 18:51

机器学习教程之1-感知器(Perceptron)的sklearn实现

简单且易于实现缺点：1.感知器模型如果数据是线性可分的，并且是二分类的，则可以以下函数模型表示输入到输出的关系：2.感知器学习策略将所有误分点到超平面距离之和表示为代价函数：不考虑，得到感知器的代价函数：说明：李航的书用
豆-Metcalf·2017-07-10 14:56

机器学习感知机（统计学习-李航）

感知机概述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。它是神经网络与支持向量机的基础。感知机模型假设输入空间(特征空间)是x∈Rn，输出空间是y={+1,-1}。输入是实例的特征向量，对应于输入空间的点；输出是实例
_Joe·2017-07-06 18:18

7.4日数学培优班课堂反馈（第二次课）

班名：四年级数学培优课次：7月4号第二次课课程内容：两位数乘两位数及应用：（1）判断积的个位、积是几位数（2）归一法应用题、倒推、画图法（3）竖式谜讲解学生课堂表现：肖柏翊和刘志诚上课时有点开小差李航德举手很积极算题又快又正确袁婧淇今天做一道很难的题时只有她一个人做对了但上课偶尔趴着喜欢咬笔李航德偶尔开小差做小动作刘志诚开小差玩手胡厚宸今天回答问题很积极逻辑推理能力不错肖柏翊上黑板做题时很快答对了
Guoting_·2017-07-04 08:40

《统计学习方法》李航_学习笔记_第7章_支持向量机

支持向量机##1简介适用情况：支持向量机主要针对小样本数据进行学习、分类以及预测起源：Logistic回归（0/1分类问题）基本模型：定义在特征空间上的间隔最大化的线性分类器学习策略：间隔最大化学习算法：求解凸二次规划的最优化算法学习目标：在特征空间中找到一个分离超平面，使得实例分到不同的类当训练集线性不可分时，通过使用核技巧和软间隔最大化，学习非线性支持向量机核函数：将输入从输入空间映射到特征空
猫哆哩o0·2017-07-01 19:58

统计学习方法之感知机(Perception Mechine)

在这里我刚好看了一眼逻辑回归（LogisticRegression）（PS：李航老师叫他逻辑斯提，其实是一个意思），都是分类方法，有什么区别呢？我发邮件问了徐悦甡老师，但是还没理我。
约瑟夫的杂货店·2017-06-25 11:14

《统计学习方法》第7章 课后题答案

最近在补一些机器学习的基础知识，所以就刷了一下李航博士的《统计学习方法》。那么刷一本书怎么才能彻底呢，当然是刷题了。幸好作者在每一章留有课后题，在这里尝试做一下。
Silver-·2017-06-16 11:19

k近邻算法的kd树实现原理

本文参考《统计学习方法》李航k近邻k近邻又叫KNN，是一种基本分类方法。
Qer_·2017-05-30 13:00
上一页 26 27 28 29 30 31 32 33 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他