统计学习方法

机器学习理论《统计学习方法》学习笔记：第二章 感知机

《统计学习方法》学习笔记：第二章感知机2感知机2.1感知机模型2.2感知机学习策略2.2.1数据的线性可分性2.2.2感知机学习策略2.3感知机学习算法2.3.1感知机学习算法的原始形式2.3.2算法的收敛性
紫芝·2020-08-16 14:47

《统计学习方法》的python代码实现、电子书及课件（转载）

写在前面《统计学习方法》可以说是机器学习的入门宝典，许多机器学习培训班、互联网企业的面试、笔试题目，很多都参考这本书。
小薛漂移王·2020-08-16 12:14

复现经典：《统计学习方法》第 8 章 提升方法

本文是李航老师的《统计学习方法》[1]一书的代码复现。作者：黄海广[2]备注：代码都可以在github[3]中下载。我将陆续将代码发布在公众号“机器学习初学者”，敬请关注。
风度78·2020-08-16 10:09

统计学习方法 第5章：决策树

统计学习方法第5章：决策树1提出模型2学习策略2.1决策树模型2.2模型规则2.3信息增益的算法3算法流程4代码附录github链接：https://github.com/gdutthu/Statistical-learning-method
zhanzi1538·2020-08-16 10:09

统计学习方法 第15、16章：奇异值分解、主成分分析

统计学习方法第15、16章：奇异值分解、主成分分析1奇异值分解SVD1.1提出模型1.2证明过程1.3算法流程2主成分分析PCA2.1提出模型2.2证明过程2.3算法流程3PCA与SVD的异同点3.1相同点
zhanzi1538·2020-08-16 10:08

统计学习方法 第7章：支持向量机

统计学习方法第7章：支持向量机1提出模型1.1研究背景1.2目标函数2对偶问题3SMO算法3.1、数据预处理：核处理3.2、参数初始化：alpha，balpha，balpha，b3.3、样本标签的预测数值
zhanzi1538·2020-08-16 10:08

统计学习方法 第6章：逻辑斯蒂回归

统计学习方法第6章：逻辑斯蒂回归1提出模型2参数估计2.1目标函数2.2梯度下降法3相关理论细节3.1广义线性模型3.2模型可解释性4logistics多分类模型4.1改进思路4.2学习策略4.3softmax
zhanzi1538·2020-08-16 10:07

统计学习方法 第8章：提升方法

统计学习方法第8章：提升方法1提出模型1.1强、弱学习算法1.2boosting、bagging算法1.2.1、Bagging、Boosting算法思路1.2.2、Bagging、Boosting二者的区别
zhanzi1538·2020-08-16 10:07

统计学习方法 第14章：聚类方法

统计学习方法第14章：聚类方法1基础知识1.1距离公式1.2软、硬聚类1.3三要素2k均值聚类2.1学习策略2.2迭代求解思路2.3算法流程3算法总结4代码附录github链接：https://github.com
zhanzi1538·2020-08-16 10:07

统计学习方法 第2章：感知机

感知机（perceptron）模型1提出模型2模型策略2.1误分类点2.2损失函数2.3梯度下降法3算法步骤4代码附录github链接：https://github.com/gdutthu/Statistical-learning-method知乎专栏链接：https://zhuanlan.zhihu.com/c_1252919075576856576感知机（perceptron）是一个二分类的线
zhanzi1538·2020-08-16 10:06

机器学习02决策树模型

1、什么是决策树参考李航老师的《统计学习方法》中对决策树的定义：分类决策树模型是一种描述对实例进行分类的属性结构。决策树有结点（node）和有向边（direcetededge）组成。
灰色小站·2020-08-16 09:47

机器学习 ：训练集、验证集、测试集分配比例

根据《统计学习方法》中的观点：“如果给定的样本数据充足，进行模型选择的一种简单方法是随机地将数据集切分成三部分，分别为训练集（trainingset）、验证集（validationset）和测试集（testset
Chris Kang·2020-08-16 08:18

Hoeffding不等式的认识以及泛化误差上界的证明

参考书目和论文：《统计学习方法》ATutorialonSupportVectorMachineforPatternRecognition在机器学习中我们知道学习方法的泛化能力往往是通过研究泛化误差的概率上界所进行的
weixin_34100227·2020-08-16 02:20

统计学习方法概论

统计学习方法概论统计学习定义：统计学习是关于计算机基于数据构建概论统计模型并运用模型对数据进行预测与分析的一门学科。统计学习也统称为统计机器学习。
weixin_30920597·2020-08-16 02:22

机器学习三要素

Title:机器学习三要素category:机器学习tags:CS机器学习人工智能深度学习summary:统计机器学习三要素，模型+策略+算法，主要出自李航的《统计学习方法》致谢模型损失函数总结策略总结算法广告深度学习目录链接本文完整版链接致谢本文来自以下内容
sndnyangd·2020-08-16 01:16

模型的偏差、方

_首先看一下有关模型误差相关方面的表述，下图是《统计学习方法》中关于误差的相关整理偏差和方差1.总览对于某个特定的模型来说，它的泛化误差（GenerationError）可以分为三部分：模型预测值的方差
Forlogen·2020-08-15 21:14

统计学习方法—概率潜在语义分析

统计学习方法—概率潜在语义分析概率潜在语义分析概率潜在语义分析模型生成模型共现模型概率潜在语义分析的算法概率潜在语义分析  概率潜在语义分析（probabilisticlatentsemanticanalysis
sormus·2020-08-15 15:48

复现经典：《统计学习方法》第18章 概率潜在语义分析

第18章概率潜在语义分析本文是李航老师的《统计学习方法》一书的代码复现。作者：黄海广备注：代码都可以在github中下载。我将陆续将代码发布在公众号“机器学习初学者”，可以在这个专辑在线阅读。
风度78·2020-08-15 14:30

统计学习方法训练营第一次作业：感知机

感知机模型的假设空间是分离超平面w·x+b=0；模型的复杂度主要体现在x的特征数量，也就是维度d上使用自编程实现：importnumpyasnpimportmatplotlib.pyplotaspltclassMyPerceptron:def__init(self):self.w=None#x维度未知self.b=0self.l_rate=1deffit(self,X_train,y_train)
weixin_40008741·2020-08-15 09:50

统计学习方法-第2章感知机算法代码实现

第2章感知机1．感知机是根据输入实例的特征向量x对其进行二类分类的线性分类模型：f(x)=sign⁡(w⋅x+b)f(x)=\operatorname{sign}(w\cdotx+b)f(x)=sign(w⋅x+b)感知机模型对应于输入空间（特征空间）中的分离超平面w⋅x+b=0w\cdotx+b=0w⋅x+b=0。2．感知机学习的策略是极小化损失函数：min⁡w,bL(w,b)=−∑xi∈My
Geek_sun·2020-08-15 05:24

前向后向算法

https://blog.csdn.net/Hearthougan/article/details/77930786本文是自己学习隐马尔科夫模型的一个总结，为了自己以后方便查阅，也算作是李航老师的《统计学习方法
lgb_love·2020-08-14 07:28

VC维举例以及理解

今天回看统计学习方法时，想到这个概念，便了解了一下。这
yueguanli·2020-08-14 01:05

朴素贝叶斯(naive bayes)

朴素贝叶斯(naivebayes)标签：Python机器学习主要参考资料：《机器学习实战》《统计学习方法》1.朴素贝叶斯分类原理朴素贝叶斯法是基于贝叶斯定理和特征条件独立假设(称为朴素的原因)的分类方法
moverzp·2020-08-13 23:31

单层感知机（Single Layer Perceptron）原理及Matlab实现

单层感知机（SingleLayerPerceptron）原理及Matlab实现前言单层感知机学习策略损失函数的构造损失函数的最优化求解matlab实现动态可视化过程前言本文参考李航老师的《统计学习方法》
顧辰·2020-08-13 22:43

《统计学习方法（第二版）》李航 读书笔记 （4）第一章习题手写解答 伯努利模型的极大似然估计和贝叶斯估计；通过经验风险最小化推导极大似然估计

《统计学习方法（第二版）》李航读书笔记（4）第一章习题手写解答伯努利模型的极大似然估计和贝叶斯估计；通过经验风险最小化推导极大似然估计监督学习方法又可以分为生成方法（generativeapproach
THU丶白起·2020-08-13 22:39

k-means算法实现代码

K-means算法参考自《统计学习方法》K-means算法：输入：n个样本的集合输出：样本集合的聚类初始化，随机取k个样本点作为初始聚类中心对样本进行聚类。
I am Paul Plus Plus·2020-08-13 22:00

Viterbi算法实现代码

Viterbi算法参考自《统计学习方法》Viterbi算法：算法实现：#HMM的五个元素#-------------------------------------#隐状态集合states#记录所有可能的隐状态
I am Paul Plus Plus·2020-08-13 22:00

《统计学习方法》第一章习题

说明伯努利模型的极大似然估计以及贝叶斯估计中的统计学习方法三要素。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。
learner_cv·2020-08-13 19:38

统计学习方法——模型与问题分类

那么在统计学习方法一书中主要涉及的是监督学习。而监督学习主要分为两类，一种是生成模型，一种是判别模型。
刘炫320·2020-08-13 17:20

基于sklearn.decomposition.TruncatedSVD的潜在语义分析实践

文章目录1.sklearn.decomposition.TruncatedSVD2.sklearn.feature_extraction.text.TfidfVectorizer3.代码实践4.参考文献《统计学习方法
Michael阿明·2020-08-13 16:56

李航《统计学习方法》第一章 机器学习三要素

chapter1统计学习方法概论统计学习三要素model模型假设空间决策函数的集合f={f|Y=f(X)}参数空间/thetastrategy策略：1）如何选择模型？
cutie吖·2020-08-13 14:17

统计学习方法 李航 第一章习题

推荐一下个人博客1.1说明伯努利模型的极大似然估计以及贝叶斯估计中的统计学习方法三要素。伯努利模型是定义在取值为0和1的随机变量上的概率分布。
variations·2020-08-13 13:07

《统计学习方法》笔记第二章 —— 感知机

主要内容：一、感知机模型二、感知机学习策略（线性可分）三、感知机学习算法（疑问：对偶形式比原始形式更优吗？但为何从”判断误分类点“这一步骤对比，对偶形式的时间复杂度似乎更高呢？）一、感知机模型1.所谓感知机，其实就是一个在n维空间内的超平面(n-1维)，这个超平面将整个空间分为两部分。2.该超平面S被定义为：w*x+b=0。其中，w*x+b>=0的那部分空间被定义为正，w*x+b<0的那部分空间被
alince20008·2020-08-13 13:04

感知机模型

最近在重新看李航的统计学习方法，总结下每章的内容，并使用python复现。
_木_易·2020-08-12 17:01

AdaBoost算法特性

Boosting算法提升算法是一种常见的统计学习方法,其作用为将弱的学习算法提升为强学习算法.其理论基础为:强可学习器与弱可学习器是等价的.即在在学习中发现了’弱学习算法’,则可以通过某些方法将它特生为强可学习器
weixin_30325793·2020-08-12 13:46

【学习笔记】【统计学习方法】第0章——引言

学习教材这里学习的教材采用《统计学习方法（第2版）》，作者为李航，出版社为清华大学出版社。
葑鈊丶·2020-08-12 12:43

【学习笔记】【统计学习方法】第1章——统计学习及监督学习概论

统计学习的主要特点是:（1）统计学习以计算机及网络为平台，是建立在计算机及网络上的;（2）统计学习以数据为研究对象，是数据驱动的学科;（3）统计学习的目的是对数据进行预测与分析;（4）统计学习以方法为中心，统计学习方法构建
葑鈊丶·2020-08-12 12:43

不得不看|全套视频课带你啃透机器学习必学书《统计学习方法》！

那说到监督学习、无监督学习，《统计学习方法》可以说是必学宝典了！许多互联网企业的面试、笔试题目都参考这本书。
文文学霸·2020-08-12 10:08

【机器学习】模型评估与选择

内容大多来自统计学习方法——李航机器学习——周志华1.统计学习三要素  统计学习方法都是有模型、策略和算法构成的，也就是统计学习方法由三要素构成，可以简单地表示为：方法=模型+策略+算法方法=模型+策略
S大幕·2020-08-11 22:30

机器学习 — AdaBoost算法（手稿+代码）

见：《统计学习方法》李航大大1.3算法误差界的证明注释：误差的上界限由Zm约束
weixin_34308389·2020-08-11 20:15

模型评估与模型选择(训练误差和测试误差+过拟合)| 15mins 入门 | 《统计学习方法》学习笔记（四）

模型评估与模型选择当损失函数给定时，基于损失函数的模型的训练误差(trainingerror)和模型的测试误差(testerror)就自然成为学习方法评估的标准.训练误差的大小，对判定给定的问题是不是一个容易学习的问题是有意义的，但本质上不重要。测试误差反映了学习方法对未知的测试数据集的预测能力，是学习中的重要概念，显然，给定两种学习方法，测试误差小的方法具有更好的预测能力，是更有效的方法。泛化能
Sany 何灿·2020-08-11 20:13

线性回归，损失的定义，损失函数与优化方法，用统计学习方法来理解线性回归、损失函数和优化方法，Sklearn使用方法

目录1.线性回归一元线性关系多元线性关系2.损失：评估预测结果与真实值的偏差程度误差累积的结果总损失计算公式：损失函数：最小二乘法3.损失函数的优化方法4.用统计学习方法来理解线性回归、损失函数和优化方法
JJH的创世纪·2020-08-11 16:36

一文囊括李航《统计学习方法》几乎所有的知识点！

如果大家对机器学习算法有所涉猎的话，想必你一定看过《统计学习方法》这本书，里面介绍了统计学中的一些基本算法和知识点，本文进行了详细的总结。
VIP_CQCRE·2020-08-11 15:03

机器学习算法中关于朴素贝叶斯代码详细注释

K-近邻算法和决策树算法容易理解，但从朴素贝叶斯开始，机器学习书中关于算法来历及证明几乎没有，很多都涉及到统计概论的知识，推荐李航老师的《统计学习方法》，清华大学出版社，里面有关于机器学习的很多算法原理
IT奶牛·2020-08-11 13:06

机器学习实战-KNN 算法

最近开始看李航的《统计学习方法》，一段时间下来，虽然各种公式推导看起来吊的一B，但始终没有在头脑中形成一个画面。觉得还是边看边着手实现更好。选择了《机器学习实战》这本书配合来实现。
Fox1230·2020-08-11 10:27

机器学习实战——决策树

本文记录的是《机器学习实战》和《统计学习方法》中决策树的原理和实现。1、决策树定义：分类决策树模型是一种描述对实例进行分类的树形结构。决策树由节点（node）和有向边（directededge）组成。
菜鸟程序猿的滴滴日常·2020-08-11 09:50

统计学习方法（二）统计方法 = 模型 + 策略 + 算法

统计方法=模型+策略+算法模型在监督学习过程中，模型就是所要学习的条件概率分布或决策函数。模型的假设空间（hypothesisspace）包含所有可能的条件概率分布或决策函数。1、概率模型VS非概率模型1.1概率模型（ProbabilisticModel）假设空间定义为条件概率的集合H={P∣P(X∣Y)}H=\{{P|P(X|Y)}\}H={P∣P(X∣Y)}其中，$X和Y$是定义在输入空间和输
Sponge Bob·2020-08-11 04:04

百度飞浆深度学习（一）

目录1.概念及关系2.深度学习发展历史2.1历史展望第一代神经网络（1958~1969）第二代神经网络（1986~1998）统计学习方法的春天（1986~2006）第三代神经网络-DL（2006-至今）
绛烨·2020-08-11 03:57

多项式函数拟合sin函数（最小二乘法求解参数及其正则化）

2．统计学习方法三要素——模型、策略、算法，对理解统计学习方法起到提纲挈领的作用。
AI_Younger_Man·2020-08-11 03:01

统计学习方法——维特比算法

0.写在前面本来这章是要讲解条件随机场的，后来发现自己对于条件随机场中的维特比算法了解就不够，因此我们把条件随机场拆开来看。这里先看维特比算法。维特比算法主要是求解一个最优序列的算法。但是它也是有条件的，那就是要知道所有应该知道的参数。维特比算法实际是用动态规划解隐马尔科夫模型预测问题。其实就是求概率最大路径，这是一条路径对应着一个状态序列。1.前向算法但是维特比算法直接讲是比较复杂的，我们可以以
刘炫320·2020-08-11 03:07
上一页 20 21 22 23 24 25 26 27 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他