李航统计学习笔记

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_computerscience·2017-05-30 13:00

感知机模型的原理

感知机模型感知机学习策略感知机学习算法本文参考《统计学习方法》李航感知机模型1.什么是感知机：感知机是一个二分类线性分类模型，输入为实例的特征向量，输出为实例的类别。
Qer_·2017-05-28 23:32

支持向量机SVM通俗理解（python代码实现）

第二次学习理论，看了李航的《统计学习方法》以及网上的博客。看完后感觉，满满的公式。。。记不住啊。第三次，也就是这次通过python代码手动来实现SVM，才让我突然对SVM不有畏惧感。
a_achengsong·2017-05-11 02:08

统计学习方法笔记（一）

统计学习方法概论本系列文为李航博士的《统计学习方法》一书的个人简要笔记，供日后遗忘时翻阅1统计学习统计学习/统计机器学习定义：计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析统计学习目标：考虑学习什么样的模型和如何学习模型
dinkwad·2017-05-10 18:08

logistic回归详解二：损失函数

再加上一个偏置项x0,则每个样本包含n+1维特征：x=[x0,x1,x2,⋯,xn]T其中x∈Rn+1,x0=1,y∈{0,1}李航博士在统计
hk121·2017-05-09 14:22

Redis Cluster 源码分析

作者介绍姓名：李航工作经历：5年多互联网工作经验，先后在58同城，汽车之家，优酷土豆集团工作。目前主要在优酷土豆集团任职高级开发工程师，目前主要负责大数据基础平台Redis集群开发及运维等工作。
明月(Alioo)·2017-05-02 17:00

svm算法 最通俗易懂讲解

 最近在学习svm算法，借此文章记录自己的学习过程，在学习很多处借鉴了z老师的讲义和李航的统计，若有不足的地方，请海涵；svm算法通俗的理解在二维上，就是找一分割线把两类分开，问题是如下图三条颜色都可以把点和星划开
剑昙说·2017-04-21 16:54

【机器学习】生成模型和判别模型

以下部分主要参考了李航那本《统计学习方法》判别模型和生成模型都是指监督学习下的模型，监督学习模型本质上就是求决策函数：Y=F(X)Y=F(X)Y=F(X)或者条件概率分布：P(Y∣X)P(Y|X)P(Y
哈乐笑·2017-04-18 01:05

简明机器学习教程——实践篇（一）：从感知机入手

这里，我们从李航博士的《统计学习方法》的第2章感知机来做例子，由此引出大致的学习方法。需要注意的是，这篇教程并不是来介绍感知机模型的，而是用来说明如何学习并实践一个模型的，所以对感知机的解
garfielder007·2017-04-16 16:16

李航 统计学习方法 第一章 课后 习题 答案

1.1统计学习方法的三要素是模型、策略、算法。伯努利模型是定义在取值为0与1的随机变量上的概率分布。统计学分为两派：经典统计学派和贝叶斯统计学派。两者的不同主要是，经典统计学派认为模型已定，参数未知，参数是固定的，只是还不知道；贝叶斯统计学派是通过观察到的现象对概率分布中的主观认定不断进行修正。极大似然估计和贝叶斯估计的模型都是伯努利模型也就是条件概率模型；极大似然估计用的是经典统计学派的策略，贝
fxnfk·2017-04-14 14:36

机器学习之感知机学习笔记第一篇：求输入空间R中任意一点X0到超平面S的距离

我的学习资料是“统计学习方法”，作者是李航老师，这本书很著名，百度有很多关于它的PDF。
xinzaichenmo·2017-04-13 20:04

SVM分割超平面的绘制与SVC.decision_function( )的功能

在李航老师的《统计学习方法》—支持向量机那章有个例题：样本点x1=(3,3),x2=(4,3),x3=(1,1),labels=(1,1,−1),求分割超平面？
hustliu2018·2017-04-09 14:00

统计学习方法(一)——统计学习方法概论

文章作者：Tyan博客：noahsnail.com|CSDN|简书1.统计学习方法概论本文是统计学习方法（李航）第一章的学习总结。
SnailTyan·2017-04-07 16:09

logistic回归详解(二）：损失函数（cost function）详解

再加上一个偏置项x0,则每个样本包含n+1维特征：x=[x0,x1,x2,⋯,xn]T其中x∈Rn+1,x0=1,y∈{0,1}李航博士在统计
勿悔Choles·2017-03-26 13:00

python实现感知机（perceptron）原型～

初学统计学习，用的李航的《统计学习方法》课本，感觉实在太有意思了，甚至准备读个应用统计的研究生深入一下。
seasonix·2017-03-26 00:47

学习记录--生成对抗网络GAN研究进展（一）

generativeapproach）和判别方法（discriminativeapproach），所学到的模型分别称为生成式模型（generativemodel）和判别式模型（discriminativemodel）[1李航
海饼干不是饼干·2017-03-24 17:17

各种概率图模型转换

-本人阅读的材料来主要来自于李航的《统计学习方法》第十一章和之前有人贴出的"Anintroductiontoconditionalrandomfields"(90页太多没读完=_=)-这段文字主要从两个方面描述了
lanxin0802·2017-03-24 11:42

回归树，Gradient Boosting和GBDT

一开始听到GBDT的时候，表示完全没听过，所以查了查相关资料研究一下，发现李航的《统计学习方法》里面就有讲，只不过没有叫GBDT这个名字就是了。
哈乐笑·2017-03-15 19:43

李航-统计学习方法学习笔记-第一章

统计学习方法李航统计学习方法的三要素：（1）模型（2）策略（3）算法实现统计学习的步骤：（1）得到用来训练模型和测试模型的数据集（输入和输出（实际值）+需要进行预测的输入数据）（2）确定包含所有可能的模型的假设空间
hdu_lazy_man·2017-03-14 19:06

逻辑回归推导

1、主要内容逻辑回归的推导，分别推导出y={0，1}和y={-1，+1}，之前关于林轩田老师和李航老师关于逻辑回归的推导弄混了，林轩田老师的推导是建立在后面的—1，+1的分类，李航老师的是关于0，1的推导
罐装可乐·2017-03-14 18:00

周志华《机器学习》课后习题解答系列（一）：目录

对机器学习一直很感兴趣，也曾阅读过李航老师的《统计学习导论》和Springer的《统计学习导论-基于R应用》等相关书籍，但总感觉自己缺乏深入的理解和系统的实践。
Snoopy_Yuan·2017-03-14 00:00

感知机算法原理（PLA原理）及 Python 实现

参考书籍：李航老师的《统计学习方法》、林轩田老师的《机器学习基石》如无特殊说明，图片均来自网络(google图片、百度图片)，如有侵权请联系我，我会立即删除或更改PLA是PerceptronLearningAlgorithm
Artprog·2017-03-12 19:49

感知机--模型与策略

看到模型和策略，应该很快联想到了李航的《统计学习方法》，统计学习方法的三要素定义为：模型、策略、算法。感知机感知机是二分类的线性分类模型，输入为实例的特征向量，输出为实例的类别（取+1和-1）。
MachineLP·2017-03-11 10:00

【机器学习】手推EM算法

AndrewWu那门《机器学习》真的是太好了，每次看都有不少新收获，今天打算重新回顾一下EM算法来着，结果看李航的《统计学习方法》发现之前的理解有不少错误，又重新开始研究，结果都不是很明白，看AndrewWu
哈乐笑·2017-03-11 01:30

提升树算法

这篇博文主要参考了李航《统计学习方法》与论文：GREEDYFUNCTIONAPPROXIMATION:AGRADIENTBOOSTINGMACHINE。这里简单记录下对提升树的简单理解。
我很平凡的·2017-02-25 12:31

统计学习方法-李航（笔记整理）一

1、特点统计学习以数据为研究对象（数据驱动），以方法为中心，目的是为了对数据进行预测与分析。2、方法统计学习包括监督学习，非监督学习，半监督学习，强化学习。（以监督学习为主进行介绍）统计学习的方法包括模型的假设空间、模型选择的准则以及模型学习的方法。统计学习方法三要素：模型，策略，算法统计学习方法步骤：得到一个有限训练数据集确定包含所有可能的模型假设空间，即学习模型的集合确定模型选择的准则，即学习
yimiaomochu·2017-02-20 17:28

条件随机场（CRF）

条件随机场应该是机器学习领域比较难的一个算法模型了，难点在于其定义之多（涉及到概率图模型、团等概率）、数学上近似完美（涉及到概率、期望计算，最优化方面的知识），但是其在自然语言处理方面应用效果比较好，所以本文结合李航老师的
雪伦_·2016-12-28 11:51

模式识别复习整理

参考资料：《机器学习》周志华：p《统计学习方法》李航：*p'PatternClassification2nd'：%p'PatternClassificationandMachineL
艺术叔·2016-12-08 15:22

EM算法 - 2 - EM算法在高斯混合模型学习中的应用

在开始讲解之前，我要先给看这篇文章的你道个歉，因为《2012.李航.统计学习方法.pdf》中该节的推导部分还有些内容没有理解透彻，不过我会把我理解的全部写出来，而没理解的也会尽可能的把现有的想法汇总，欢迎你和我一起思考
Kjobs·2016-11-24 14:53

《李航：统计学习方法》--- 感知机算法原理与实现

感知机模型感知机是一个二类分类的线性分类模型。所谓二类分类就是它只能将实例分为正类和负类两个类别。那么为什么是线性分类模型呢，我的理解是感知机学习旨在求出可以将数据进行划分的分离超平面，而分离超平面的方程w⋅x+b=0为线性方程，所以感知机为线性分类模型。感知机模型如下图所示：圈圈表示正类，而叉叉表示负类。圈圈与叉叉之间的直线即上文所说的分离超平面（注意分离超平面并不是唯一的！）它将所有的样本划分
幸福liwenchao·2016-11-23 13:21

sentence pair model 总结

这篇博客主要参考了2014年李航老师在NIPS会议上的《ConvolutionalNeuralNetworkArchitecturesforMatchingNaturalLanguageSentences
guoyuhaoaaa·2016-11-11 15:08

逻辑回归模型的两种定义与参数估计思路

#1.逻辑斯谛回归模型定义在AndrewNG的MachineLearning课程和李航的统计学习方法中，都有对逻辑斯谛回归模型的介绍，然而二者却对模型有着不同的定义。
DawnRanger·2016-11-09 09:05

逻辑回归模型的两种定义与参数估计思路

#1.逻辑斯谛回归模型定义在AndrewNG的MachineLearning课程和李航的统计学习方法中，都有对逻辑斯谛回归模型的介绍，然而二者却对模型有着不同的定义。
DawnRanger·2016-11-09 09:05

机器学习：决策树（Decision Tree）

本博客参考邹博机器学习课件以及李航的《统计学习方法》，仅用于督促自己学习使用，如有错误，欢迎大家提出更正决策树（decisiontree）是一种基本的分类与回归方法。
u014120554·2016-11-01 21:00

神经网络九：Regularization（正则化）与Dropout

1正则化机器学学习中的正则化相关的内容可以参见李航的书：统计学习方法。参阅者可以先了解有关的内容。正则化是用来降低overfitting（过拟合）的，减少过拟合的的其他方法有：增加训练集数
Bixiwen_liu·2016-11-01 19:06

推荐几个机器学习和数据挖掘领域相关的中国大牛

推荐几个机器学习和数据挖掘领域相关的中国大牛：李航：http://research.microsoft.com/en-us/people/hangli/，是MSRAWebSearchandMiningGroup
Do_Your_Best·2016-10-23 12:54

机器学习笔记（二）L1，L2正则化

(截自李航《统计学习方法》)常用的正则项有L1，L2等，这里只介绍这两种。
YoYoDelphine·2016-10-21 23:17

隐马尔可夫模型(Hidden Markov Model)

最近在拜读李航老师的《统计学习方法》一书，由于前面有些基础，所以对于前9章的学习感觉并不吃力。但是，当学习到第10-11章之后，倍感吃力。
坚持做工程的在读女博士·2016-10-01 20:27

提升方法AdaBoost算法学习笔记

手头有李航老师的《统计学习方法》以及周志华老师的西瓜书。
我曾经被山河大海跨过·2016-09-03 21:23

统计学习方法读书笔记-knn

    看李航老师统计学习方法时的笔记。其实书上写的已经非常易懂了，但是为了自己记忆，姑且写个笔记，个别地方是自己的理解，可能有偏差。    
ijnmklpo·2016-08-24 23:29

感知机学习算法的简单实现（Python）

算法（原始形式，出自李航博士的统计学习方法）输入：T={(x1,y1),(x2,y2)…(xN,yN)}（其中xi∈X=Rn，yi∈Y={-1,+1}，i=1,2…N，学习速率为η）输出：w,b;感知机模型
Azeyunyun·2016-08-23 21:48

机器学习中的数学问题

《概率论与数理统计浙大版》《数理统计学简史》陈希孺《矩阵分析与应用》张贤达《凸优化（ConvexOptimization）》-StphenBoyd&LievenVandenberghe《统计学习方法》李航
Alchemist Notes·2016-08-16 18:14

感知机模型学习笔记及Python实现

最近刚接触李航博士的《统计学习方法》，还是挺赞的一本书，特别适合机器学习初学者的入门。里面主要阐述机器学习中的几大经典模型的理论方面，包括感知机、kNN、决策树、朴素贝叶斯、逻辑回归、SVM等。
夏目_·2016-08-14 15:30

Redis Cluster 原理分析

作者介绍姓名：李航分享时间：2016年8月这次主要是给大家分享的提纲如下：1.简介2.集群通信3.数据分布及槽信息4.数据迁移5.通信故障1.简介继上次分享的Redis服务平台化之路，这次着重来分享下RedisCluster
Lucien_168·2016-08-09 18:28

HMM算法之维特比算法

参考李航《统计学习基础的》的公式推导PI=np.array([0.2,0.4,0.4])A=np.array([[0.5,0.2,0.3],[0.3,0.5,0.2],[0.2,0.3,0.5]])B=
GeekPower·2016-07-26 20:27

统计学习笔记（3）——k近邻法与kd树

在使用k近邻法进行分类时，对新的实例，根据其k个最近邻的训练实例的类别，通过多数表决的方式进行预测。由于k近邻模型的特征空间一般是n维实数向量，所以距离的计算通常采用的是欧式距离。关键的是k值的选取，如果k值太小就意味着整体模型变得复杂，容易发生过拟合，即如果邻近的实例点恰巧是噪声，预测就会出错，极端的情况是k=1，称为最近邻算法，对于待预测点x，与x最近的点决定了x的类别。k值得增大意味着整体的
鸭脖·2016-07-25 10:40

统计学习方法笔记（一）

首先是李航老师的统计学习方法，一直认为是入门的非常经典的一本书，里面的理论知识非常适合新手看。接下来，是我当时写的一些笔记。
zuxiaodon·2016-07-18 13:12

李航《统计学习方法》第二章——用Python实现感知器模型（MNIST数据集）

相关文章：李航《统计学习方法》第三章——用Python实现KNN算法（MNIST数据集）李航《统计学习方法》第四章——用Python实现朴素贝叶斯分类器（MNIST数据集）李航《统计学习方法》第五章——
wds2006sdo·2016-07-16 11:18

深度学习，看论文之前我学了这些东西

（cs229）4.MIT线性代数5.MIT微积分重点6.台大概率论7.七月在线：机器学习中的数学8.斯坦福卷积神经网络（cs231n）9.斯坦福自然语言处理（cs224d）书籍：周志华老师《机器学习》李航老师
无知的程序员·2016-07-16 08:24

我学习SVM的过程和资料

理论基础推荐：《统计学习方法》李航我最开始是在网上找了一些人写的长篇大论的文章来学习SVM的，现在看来，把自己的学习笔记给别人当入门材料是一种极不负责任的行为。
CY_TEC·2016-07-15 11:06
上一页 27 28 29 30 31 32 33 34 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他