李航

[小木虫]推荐几个机器学习算法及应用领域相关的中国大牛

李航：http://research.microsoft.com/en-us/people/hangli/，是MSRAWebSearchandMiningGroup高级研究员和主管，主要研究领域是信息检索
ML_NI_CSU·2020-08-05 13:52

logistic回归和最大熵

回顾发现，李航的《统计学习方法》有些章节还没看完，为了记录，特意再水一文。
仙守·2020-08-05 08:20

李航《统计学习方法》EM算法导出，式9.13详细推导

感觉书中对式子9.13的推导不严谨，补充式子（9-13）完整推导：对于观测数据Y（不完全数据）关于参数θ的对数似然函数：L(θ)=log⁡P(Y∣θ)=log⁡∑ZP(Y,Z∣θ)=log⁡(∑ZP(Y∣Z,θ)P(Z∣θ))\begin{aligned}L(\theta)&=\logP(Y|\theta)=\log\sum_{Z}P(Y,Z|\theta)\\&=\log\lef
莫叶何竹·2020-08-04 20:24

ML—拉格朗日对偶和KKT条件

zhengyizhangTianjinKeyLaboratoryofCognitiveComputingandApplicationTianjinUniversityOct23,2015本文基于斯坦福AndrewNG讲义和李航统计学习方法
掉下个小石头·2020-08-04 09:45

李航《统计学习方法》笔记

李航《统计学习方法》读书笔记目录李航《统计学习方法》读书笔记一、知识点二、感知机三、k近邻法四、朴素贝叶斯五、决策树六、logistic回归和最大熵模型七、支持向量机八、提升方法九、EM算法EM算法是一种迭代算法
yz1780041410·2020-08-04 09:00

《统计学习方法（李航）》讲义 第07章 支持向量机

支持向量机(supportvectormachines,SVM)是一种二类分类模型.它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机;支持向量机还包括核技巧，这使它成为实质上的非线性分类器.支持向量机的学习策略就是间隔最大化，可形式化为一个求解凸二次规划(convexquadratic也等价于正则化的合页损失函数的最小化问题.支持向programming)的问题，量机
Just do it·2020-08-04 04:44

矩阵的奇异值分解(SVD)及PCA应用

本篇文章参考了李航老师的《统计学习方法》第二版。
song430·2020-08-04 01:45

支持向量机

支持向量机@(2016/08/02)阅读笔记——周志华《机器学习》和李航《统计学习方法》支持向量机（supportvectormachine）是一种二类分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器
MeJnCode·2020-08-04 00:33

李航《统计学习方法》学习笔记

文章目录统计学习方法概论监督学习知识点感知机k近邻法kd树:朴素贝叶斯决策树决策树的生成:决策树的剪枝:logistic回归和最大熵模型支持向量机线性可分支持向量机:非线性支持向量机:提升方法AdaBoost:EM算法隐马尔可夫模型(HMM)统计学习方法总结神经网络反向传播(BP)算法:K-Means传统算法:K-Means++ElkanK-MeansMiniBatchK-MeansBagging
Code进阶狼人·2020-08-03 19:00

机器学习：朴素贝叶斯代码实现（不调库，基于《统计学习方法》中的简单数据）

什么是朴素贝叶斯：《统计学习方法》中，李航老师简洁地介绍了朴素贝叶斯基础的原理和算法虽然通篇下来也是满满的公式，但基本都是上层的公式，省略了许多底层的推导例如：极大似然估计法推出朴素贝叶斯法中的先验概率估计公式
CxsGhost·2020-08-03 12:02

【统计学习方法-李航-笔记总结】二、感知机（感知机的原始形式与对偶形式）

本文是李航老师《统计学习方法》第二章的笔记，欢迎大佬巨佬们交流。
zl3090·2020-08-03 09:44

1.3万字的支持向量机-含详尽的数学推导和细致全面的逻辑解释-第一部分

一、前言（1）现有SVM相关材料的贡献与不足周志华《机器学习》李航《统计学习方法》支持向量机通俗导论（理解SVM的三层境界）从零推导支持向量机（2）本文的贡献和不足本文的贡献本文的不足（3）阅读本文所需的数学知识
大奸猫·2020-08-03 09:55

SVM中的训练算法：序列最小最优化算法SMO的读书笔记

最近重看李航的统计学习方法，看SVM这章，细细的对了一下其中将SMO的这一张，记得去年这会儿看这本书的SMO这章还有点懵懵懂懂，并在书上写了自己一些疑问的笔记，今年重新看发现之前的疑问不再是疑问了，于是做个笔记总结一下
薛定谔的熊·2020-08-03 08:06

关于SVM中SMO算法第一个向量选择的问题

在看李航编写的《统计学习方法》一书中第128页时，涉及到SMO算法中第一个变量的选择，然后作者指出选择不满足KKT条件的变量作为第一个变量，然后突然给出了如下三个KKT条件:αi=0⇔yig(xi)≥1
重生之年·2020-08-03 08:20

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

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

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

另外推荐一本统计学习的书，《统计学习方法》李航，书短小精悍，才200多页，但是内容基本上覆盖了机器学习中的理论基础。笔记主要了解一下监督学习和无监督学习机器学习：是关于计算机基于数据构建概率
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

最近坚持学英语，感觉还是挺不错的，推荐大家一个新的比较好玩的应用：喜马拉雅，上面有很多免费的资源，可以用来学习消遣都行，和得到差不多，但是比起得到，免费的内容更多，而且确实也挺方便的。我现在最爱的就是用它来订阅一些日常英语的节目，每天学习半个小时英语，可以在路上听、睡觉前听，挺享受的，也把碎片时间利用了一下，当然要提醒大家的是，也不能指望这个APP能帮你得道升天，毕竟一些专业的知识、硬技能，我们还
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

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

相关文章：李航《统计学习方法》第二章——用Python实现感知器模型（MNIST数据集）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
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
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他