统计学习方法李航

005.年轻人，路在脚下，你在哪里？

图片来源@李航Albert年轻人，路在脚下，而你在哪里呢？不知道具体是为什么，现在有很多人都喜欢传统的文化或是有一定历史积淀的东西。是我们渴望回归世外桃源般的生活还是我们在逃避些什么？
李同学的小窝·2020-07-02 01:38

统计学习方法之决策树（2）信息增益比，决策树的生成算法

声明：原创内容，如需转载请注明出处今天讲解的内容是：信息增益比，决策树的生成算法—ID3和C4.5我们昨天已经学习了什么是信息增益，并且通过信息增益来选择最优特征，但是用信息增益会出现偏向于选择取值多的特征。来解释下这句话。以最极端的情况举例，比如有6个样本，特征年龄的取值为5个值，19岁，20岁，21岁，22岁，23岁。假设19岁的贷款情况为“是”，20岁为“否”，21岁“是”，22岁“否”，2
aozhun5901·2020-07-01 17:58

逻辑斯蒂回归（Logistic Regression，LR）及其损失函数（包含凸性推导）

逻辑斯蒂回归模型即的对数几率是输入的线性函数（统计学习方法）。LossFunction一般经验来说，使用均方误差（meansquarederror）来衡量LossFunction：.但
alwaysyxl·2020-07-01 17:56

白板推导机器学习--绪论

1.绪论——学习资料介绍频率派——统计机器学习贝叶斯派——概率图模型参考书推荐：1.李航《统计学习方法》感K朴决逻，支提E隐条————>统计机器学习2.周志华《机器学习》西瓜书3.PRML《模式识别与机器学习
Harrytsz·2020-07-01 09:10

迟来的面经，回馈牛客

写个总结，回馈牛客~给自己也给未来面试的同学，少走弯路，命中率更高点~祝大家满意的offer多多（迟来的总结[算法岗-机器学习方向]）直接上干货前期准备理论：统计学习（李航）+机器学习（周志华）+推荐系统实战
牛客网·2020-07-01 06:06

机器学习关键问题阐述

一、机器学习问题的组成李航老师在《统计机器学习》中指出：机器学习=模型+策略+算法。
Michael_Shentu·2020-07-01 04:52

[scikit-learn 机器学习] 6. 逻辑回归

召回率2.4F1值2.5ROC、AUC3.网格搜索调参4.多类别分类5.多标签分类5.1多标签分类性能指标本文为scikit-learn机器学习（第2版）学习笔记逻辑回归常用于分类任务1.逻辑回归二分类《统计学习方法
Michael阿明·2020-07-01 03:54

[scikit-learn 机器学习] 7. 朴素贝叶斯

文章目录1.朴素贝叶斯2.NB与逻辑回归对比本文为scikit-learn机器学习（第2版）学习笔记相关知识参考：《统计学习方法》朴素贝叶斯法（NaiveBayes，NB）1.朴素贝叶斯通过最大概率来预测类
Michael阿明·2020-07-01 03:54

为什么某个问题可以用机器学习方法来解决？

偶尔看到了《统计学习方法概论》里的一个小节，小节的内容我认为可以解答这个问题。总而言之就是，这是一种假设，即假设他可以用机器学习方法来解决，同时假设学习模型是存在的。该小节内容见下图。
YoungshellZzz·2020-07-01 01:54

AdaBoost 算法：回归问题

前言在《统计学习方法》这本书中介绍了基于分类问题的AdaBoost方法，其中更新样本权重采用的是yi!=G(xi)y_i!=G(x_i)yi!
予亭·2020-07-01 00:49

机器学习入门笔记总目录

机器学习入门笔记是我参考周志华老师的《机器学习》西瓜书、李杭老师的《统计学习方法》第二版以及课程教材等资料写的。该目录主要记录关于机器学习和算法基本概念的博客链接。
逐梦er·2020-07-01 00:41

Adaboost算法

链接:1.线性回归总结2.正则化3.逻辑回归4.Boosting5.Adaboost算法转自：原地址提升方法（boosting）是一种常用的统计学习方法，应用广泛且有效。
SUNFC·2020-07-01 00:25

统计学习方法笔记(七)-线性支持向量机原理及python实现

线性支持向量机线性支持向量机定义线性支持向量机线性支持向量机学习算法代码案例TensorFlow案例地址线性支持向量机实际场景中训练数据往往不是线性可分的，当训练数据近似线性可分时，就需要使用线性支持向量机或软间隔支持向量机。给定训练数据集T={(x1,y1),(x2,y2),...,(xN,yN)}T=\{(x_1,y_1),(x_2,y_2),...,(x_N,y_N)\}T={(x1,y1)
RoseVorchid·2020-06-30 20:18

统计学习方法笔记(三)-朴素贝叶斯原理及python实现

朴素贝叶斯条件概率特征条件独立假设朴素贝叶分类器朴素贝叶斯分类算法原理学习与分类算法朴素贝叶斯算法原理模型多项式模型高斯模型伯努利模型多项式模型的朴素贝叶斯分类器实现代码高斯模型的朴素贝叶斯分类器实现代码代码案例地址条件概率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。要明白什么是贝叶斯定理，则先复习一下几个术语：条件概率、特征条件独立假设.什么是条件概率？P(A∣B)P(A|B)P(A
RoseVorchid·2020-06-30 20:17

机器学习（6）——从线性回归到逻辑斯特回归

LinearRegression在学习李航《统计学习方法》的逻辑斯特回归时，正好coursera上相应的线性回归和逻辑斯特回归都学习完成，在此就一起进行总结，其中图片多来自coursera课程上。
Lyndon_zheng·2020-06-30 20:58

一步一步详解ID3和C4.5的C++实现

1.关于ID3和C4.5的原理介绍这里不赘述，网上到处都是，可以下载讲义c9641_c001.pdf或者参考李航的《统计学习方法》.
太白路上的小混混·2020-06-30 18:01

隐马尔可夫模型HMM---《统计学习方法》第十章

标注常用的统计学习方法有：隐马尔可夫模型，条件随机场。举例：给定一个由单词组成的句子，对这个句子中的每一个单词进行词性标注，即对一个单词序列预测其对应的词性标记序列。
Icevivina·2020-06-30 16:38

《统计学习方法》笔记——朴素贝叶斯算法

朴素贝叶斯算法概述朴素贝叶斯（naiveBayes）法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对于给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。算法流程1.朴素贝叶斯法是典型的生成学习方法，生成方法由训练数据学习联合概率分布P(X,Y),然后求得后验概率分布P(Y|X)。即，利用训练数据学习P
元气满满的少女程序员·2020-06-30 16:07

【机器学习】朴素贝叶斯（多分类版本）—— python3 实现方案

根据《统计学习方法》第四章朴素贝叶斯算法流程写成，引入贝叶斯估计（平滑处理)。本例旨在疏通算法流程，理解算法思想，故简化复杂度，只考虑离散型数据集。
zhenghaitian·2020-06-30 15:43

统计算法

统计学习方法里边有三个要素：模型，策略。算法。模型即指所要进行学习的概率函数或者决策函数。策略就是我们定义的一个标杆或准则，然后才干此学习或者选择最优的模型（没有策略我们无法对模
@删库跑路·2020-06-30 14:01

李航《统计学习方法》---感知机

这一章就讲了感知机。我觉得是深受工业革命的影响，把一些可以实现功能的基本单元都喜欢叫做什么机，这里的感知机，还有后来的以感知机为基础的支持向量机。直接看定义，看本质，实际上，感知机是一种线性分类模型。下面就以这句话为中心仔细阐述一下。什么叫线性。线性liner，正如其名，两个变量的关系的函数是一条直线，那它们就是线性关系，扩展到三维，一个平面依然是一次方程，所以平面也行线性的。线性有两个性质：可加
zcg1942·2020-06-30 12:57

吴恩达斯坦福大学机器学习 CS229 课程学习笔记（一）

说到机器学习总绕不过几个鼎鼎大名的人物，他们都创造了不少的机器学习资料，斯坦福吴恩达AndrewNg的公开课CS229；Google李飞飞的CS231、周志华的、李航的《统计学习方法》、林轩田的《机器学习基石
zcg1942·2020-06-30 12:57

HMM——维特比算法(Viterbi algorithm)

实际上解决此问题，在《统计学习方法》中给出了两种
风翼冰舟·2020-06-30 12:05

隐马尔可夫模型（Hidden Markov Model）

隐马尔可夫模型（HMM）简述一下HMM：(参考资料：《统计学习方法》-李航)隐马尔可夫模型（HiddenMarkovModel，HMM）描述由隐藏的马尔可夫链随机生成观测序列的过程，属于生成模型。
bineleanor·2020-06-30 11:40

用python实现机器学习算法

在看李航的《统计学习方法》的时候没有结合代码，总感觉比较虚。
yuanlulu·2020-06-30 09:21

决策树python源码实现（含预剪枝和后剪枝）

本文实现周志华《机器学习》西瓜书中的4.1~4.3中的决策树算法（不含连续值、缺失值处理），对应李航《统计学习方法》的5.1~5.4节。
王路ylu·2020-06-30 08:14

统计学习方法+Python机器学习实践指南+强化学习精要：核心算法与Tensorflow实现+图解深度学习与神经网络从张量到TensorF实现+人工神经网络理论设计及应用+深度卷积网络:原理与实践

原文地址：https://www.cnblogs.com/lishuairg/p/11734842.html我虽然很喜欢模式识别和机器学习，但我暂时并不希望在这上面做深入的研究，只想把别人研究好的成熟的理论用在计算机视觉任务上。比如SVM，Adaboost，EM，朴素贝叶斯，K近邻，决策树等等。能够知道每种算法的原理，而并不想深究其实现过程以及理论证明。比如SVM，我想知道的是这种算法如何实现分类
yiyayiya557·2020-06-30 08:44

9-信息熵与基尼系数

1)定义下面是摘自李航《统计学习方法》中基尼系数的定义，非常清晰。2)基尼系数有什么意义？
大奸猫·2020-06-30 07:44

机器学习入门书单

ML书单│李航.统计学习方法.pdf│机器学习及其应用.pdf│AllofStatistics-AConciseCourseinStatisticalIn
yansmile1·2020-06-30 06:22

条件随机场(CRF) - 1 - 简介

声明：1，本篇为个人对《2012.李航.统计学习方法.pdf》的学习总结，不得用作商用，欢迎转载，但请注明出处（即：本帖地址）。
血影雪梦·2020-06-30 03:31

条件随机场(CRF) - 3 - 概率计算问题

声明：1，本篇为个人对《2012.李航.统计学习方法.pdf》的学习总结，不得用作商用，欢迎转载，但请注明出处（即：本帖地址）。
血影雪梦·2020-06-30 03:31

EM算法 - 2 - EM算法在高斯混合模型学习中的应用

声明：1，本篇为个人对《2012.李航.统计学习方法.pdf》的学习总结，不得用作商用，欢迎转载，但请注明出处（即：本帖地址）。
血影雪梦·2020-06-30 03:31

逻辑斯蒂回归1 -- 逻辑斯蒂回归模型

声明：1，本篇为个人对《2012.李航.统计学习方法.pdf》的学习总结，不得用作商用，欢迎转载，但请注明出处（即：本帖地址）。
血影雪梦·2020-06-30 03:31

感知机2 -- 随机梯度下降算法

声明：1，本篇为个人对《2012.李航.统计学习方法.pdf》的学习总结，不得用作商用，欢迎转载，但请注明出处（即：本帖地址）。
血影雪梦·2020-06-30 03:30

李航《统计学习方法》发布算法推导视频啦！（附作业讲解）

（文末可在线听人美声甜的数学系博士小姐姐带你读李航《统计学习方法》）众所周知，AI行业里的技术大牛，微软亚洲研究院、华为诺亚方舟实验室等知名机构有着丰富的从业经历的李航博士，又推出了“蓝宝书”《统计学习方法
算法channel·2020-06-30 03:10

CART之回归树构建

转自：https://cethik.vip/2016/09/21/machineCAST/问题提出在看李航的《统计学习方法》的决策树那一章节，提到了CART算法，讲解了如何分别构建分类树和回归树，文章的侧重点好像在分类树上
xiaokang06·2020-06-30 00:47

《时间序列异常检测机制的研究》

时间序列异常的检测算法有很多，业界比较流行的比如普通的统计学习方法--3σ原则，它利用检测点偏移量来检测出异常。
cx_2016·2020-06-30 00:00

敢不敢变幸福 第十一章 医学交流会（一）

李航见怪不怪的说道。两人有一句没一句的说着往会场里走。这次的国际医学交流
石六爱·2020-06-29 23:48

关于决策树损失函数来源的理解与推导

在阅读《统计学习方法》5.1.4决策树学习一节过程中，有如下一句话引起博主疑惑：决策树的损失函数通常是正则化的极大似然函数。
需要努力的人·2020-06-29 22:29

朴素贝叶斯分类法（非常朴素的解释）

最近在做一个短文本分类系统，尝试用朴素贝叶斯算法做了baseline的模型（最终没有采用这种算法），朴素贝叶斯法是个非常简单高效的分类算法，这个算法断断续续看了好几遍，今天做一个总结，内容参考了李航的《
wuyijian_ml·2020-06-29 22:23

统计学习方法中算法实现（基于Python）--- 朴素贝叶斯

1．朴素贝叶斯法是典型的生成学习方法。生成方法由训练数据学习联合概率分布P(X,Y)P(X,Y)P(X,Y)，然后求得后验概率分布P(Y∣X)P(Y|X)P(Y∣X)。具体来说，利用训练数据学习P(X∣Y)P(X|Y)P(X∣Y)和P(Y)P(Y)P(Y)的估计，得到联合概率分布：P(X,Y)＝P(Y)P(X∣Y)P(X,Y)＝P(Y)P(X|Y)P(X,Y)＝P(Y)P(X∣Y)概率估计方法可以
Systemd·2020-06-29 22:18

白话机器学习算法理论+实战之K近邻算法

常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法
Miracle8070·2020-06-29 21:55

白话机器学习算法理论+实战之支持向量机（SVM）

常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法
Miracle8070·2020-06-29 21:55

我们真的明白生成模型和判别模型了吗？

1.写在前面今天补了一下机器学习的数学知识，突然又遇到了判别模型和生成模型这两个词语，之前学习统计学习方法的时候也遇到过，当时就模模糊糊的，如今再遇到，发现我还是没明白，但这次哪有轻易再放过去之理？
Miracle8070·2020-06-29 21:55

白话机器学习算法理论+实战之PageRank算法

常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法
Miracle8070·2020-06-29 21:24

统计学习方法第二版 第21章参考答案

本文所写答案是作者自己的见解，大家酌情参考，不足之处敬请指出。21.1假设方阵A是随机矩阵，即其每个元素非负，每列之和为1，证明任然是随机矩阵，其中k是自然数。分析：我们只需要证明任意两个随机矩阵的乘积依然是随机矩阵即可。假设现在有随机矩阵A和随机矩阵B我们需要证明矩阵C=A*B也是随机矩阵即可。证明：假设随机矩阵A=[,,]随机矩阵B=，其中。所以矩阵C的第i列为：A*=。显然C矩阵的每个元素都
wqtltm·2020-06-29 20:31

深度学习经典教材

courseId=1004570029(2)笔记：http://www.ai-start.com/ml2014/2.周志华：机器学习(教程)3.李航：统计学习方法4.李宏毅：机器学习(1)视频：https
listwebit·2020-06-29 20:07

机器学习基本概念理解

主要包括以下部分：1.机器学习的三要素2.机器学习中常用的损失函数，重点分析对数损失函数的意义3.常用的模型的正则化项及其实际意义4.交叉验证与模型的性能度量注：以下内容为自己学习西瓜书和《统计学习方法
woniuhuli·2020-06-29 20:44

李航统计学习方法之朴素贝叶斯法（含python及tensorflow实现）

朴素贝叶斯朴素贝叶斯法数学表达式后验概率最大化的含义贝叶斯法参数估计极大似然估计朴素贝叶斯算法思路例题代码实现贝叶斯估计朴素贝叶斯法数学表达式朴素贝叶斯是一个生成模型。有一个强假设：条件独立性。我们先看下朴素贝叶斯法的思想，然后看下条件独立性具体数学表达式是什么样的。条件独立性数学表达式为：我们都知道贝叶斯法计算后验概率是依据先验概率和贝叶斯公式得来的，我们有：P(Y=yk∣X=x)=P(X=x∣
禅心001·2020-06-29 19:13

统计学习方法——朴素贝叶斯（二）

朴素贝叶斯朴素贝叶斯数据来源极大似然朴素贝叶斯贝叶斯估计完整代码参考文献朴素贝叶斯前面介绍了朴素贝叶斯的算法原理，这里我们通过一个例子介绍一下朴素贝叶斯的使用。数据来源这里我们以教材中的例子为例，实现两种朴素贝叶斯算法，待测数据为(2,S)\left(2,S\right)(2,S)。说明：这些程序的目的是为了更深地了解算法，所以不会使用太复杂的数据，也不会使用Python的sklearn库。极大似
你的名字5686·2020-06-29 19:09
上一页 31 32 33 34 35 36 37 38 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他