统计学习方法_李航

机器学习算法：支持向量机（SVM）

参考书籍：Solem《python计算机视觉编程》、李航《统计学习方法》、周志华《机器学习》要理解好支持向量机需要较好的数学功底，且能不被公式以及文字绕晕，这里我们就理清楚支持向量机的大体过程。
夏天是冰红茶·2022-11-11 13:22

李航 统计学习方法 课后习题答案 第二版 机器学习

李航《统计学习方法》课后习题答案（第2版）【李航课后习题解答+书中疑点推导+算法代码实现+可私聊耐心解答(定期回复)，包会！！】
#苦行僧·2022-11-10 23:19

机器学习算法总结--朴素贝叶斯

这次需要总结的是朴素贝叶斯算法，参考文章：《统计学习方法》机器学习常见算法个人总结（面试用）朴素贝叶斯理论推导与三种常见模型朴素贝叶斯的三个常用模型：高斯、多项式、伯努利简介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
spearhead_cai·2022-11-09 12:12

11月新书预告——GNN、深度学习和元宇宙

1.图神经网络：基础、前沿与应用吴凌飞崔鹏裴健赵亮编著张钹、韩家炜、沈向洋、周志华、李航等众多AI大咖鼎力推荐！图神经网络当前最全面，兼具前沿性和实践性的著作。
childchen·2022-11-07 16:37

【十分钟机器学习系列笔记】决策树-剪枝

视频作者：简博士-知乎(zhihu.com)；简博士的个人空间_哔哩哔哩_bilibili链接：【合集】十分钟机器学习系列视频《统计学习方法》_哔哩哔哩_bilibili原书：《统计学习方法》李航决策树生成算法递归地产生决策树
烧灯续昼2002·2022-11-07 15:27

多元逻辑回归公式推导

《统计学习方法》中关于多元逻辑回归公式推导，写的比较简单，正好前几天有同事对此比较疑惑，因此，在此进行详细推导，有助于大家共同学习。
Y神搞学习·2022-11-07 10:04

摒弃这18个 Python 坏习惯，让你的代码好用到起飞

资料推荐终于盼到了，Python数据科学速查表中文版来了20张最新可视化大屏模板，各行业数据直接套用(含源码)李航老师《统计学习方法
Love Python数据挖掘·2022-11-07 08:24

决策树（一）——构建决策树

决策树说明：这篇博客是看李航老师的《统计学习方法》做的笔记总结，博客中有很多内容是摘选自李航老师的《统计学习方法》一书，仅供学习交流使用。决策树（decisiontree）是一种基本的分类与回归方法。
IMPORT_UTIL·2022-11-04 16:17

李航—统计学习方法第一章课后答案

1.2原题：通过经验最小化推导极大似然估计，证明模型是条件概率分布，当损失函数是对数损失函数时，经验最小化等价于极大似然估计。以下答案写起来比较简洁清晰。但存在一个问题，因为两个目标函数实际上不是相等的，不能直接划等号，但他们在找到最优参数的效果上是相等的，所以称为等价。而其它方式说明等价正确性没问题，但写起来会比较麻烦。要说明需要用到样本独立同分布的假设，而题目中没有提到这一点（我认为这是题目不
xiaoxiao_wen·2022-11-04 13:37

李航老师《统计学习方法》第八章课后习题答案

其他章节答案请参考我的汇总统计学习方法答案汇总，都是自己写的。8.1、题目太长，懒得打字了因为训练数据实例的维度比书中的例子8.1的实例的维度大，也就是特征的数目比较多，因而需要进行特征选择。
六七～·2022-11-04 13:33

《统计学习方法》第8章习题答案

8.1classAdaboost_tree:def__init__(self,X,Y):self.X=np.array(X)self.Y=np.array(Y)self.N=len(X)self.feature_num=len(X[0])self.w=np.array([1/self.N]*self.N)self.g_x=[]self.get_feature_dict()defcompute_er
Lloaded%356·2022-11-04 13:32

统计学习第一章

监督学习1.3统计方法三要素1.4过拟合1.5正则化1.6交叉验证统计学习1.绪论统计学习可以分为:监督学习(样本有标签),无监督学习(样本无标签),半监督学习(一部分有标签,一部分无标签),强化学习统计学习方法的步骤如下
ren9855·2022-11-04 13:57

李航《统计学习方法》第2版 第11章CRF课后习题答案

关于该章的笔记可参考：李航《统计学习方法》第2版第11章CRF中关于CRF矩阵形式的理解以及特征函数的理解监督学习部分结束~~~~~~
#苦行僧·2022-11-04 06:08

李航 统计学习方法 课后习题答案 第二版

李航《统计学习方法》课后习题答案（第2版）【李航课后习题解答+书中疑点推导+算法代码实现+可私聊耐心解答(定期回复)，包会！！】
#苦行僧·2022-11-04 06:38

李航《统计学习方法》第2版 第9章课后习题答案

习题9.1习题9.2习题9.32个分模型，5个参数μ0，σ0，μ1，σ1，（a0,a1）代码实现：importnumpyasnpimportitertoolsimportm
#苦行僧·2022-11-04 06:37

李航《统计学习方法》第2版 第10章HMM课后习题答案

HMM这一章比较简单，把原理弄熟，看着公式，用numpy实现很简单。习题10.1懒得手算，直接代码：importnumpyasnpimportpandasaspdclassMyHMM:def__init__(self,p,A,<
#苦行僧·2022-11-04 06:37

李航《统计学习方法》第2版 第3章课后习题答案

习题3.1题目：参照图3.1，在二维空间中给出实例点，画出k为1和2时的k近邻法构成的空间划分，并对其进行比较，体会k值选择与模型复杂度及预测准确率的关系。习题3.2题目：利用例题3.2构造的kd树求点x=(3,4.5)T的最近邻点。
#苦行僧·2022-11-04 06:07

李航《统计学习方法》第2版 第6章课后习题答案

习题6.1题目：确认逻辑斯谛分布属于指数分布族.习题6.2题目：写出逻辑斯谛回归模型学习的梯度下降算法.习题6.3题目：写出最大熵模型学习的DFP算法.（关于一般的DFP算法参见附录B）解：这个DFP算法可参考书本附录B对于习题6.2的逻辑斯蒂回归算法，这里用python自编程实现（学习算法采用梯度下降法）梯度下降法：<
#苦行僧·2022-11-04 06:07

李航《统计学习方法》第2版 第8章课后习题答案

习题8.1因计算量较大，所以这题用编程实现。我们先来看下课本例题8.1不是习题8.1，该题x只有1个特征，习题8.1中x有3个特征。对于例题8.1的实现代码如下（算法即书中的AdaBoost算法8.1）弱分类器由xv产生；此可看作是由一个根节点直接连接两个叶结点的简单决策树，即所谓的决策树桩。"""自编程实现课本例题8.1"""importnumpyasnpclassAdaBoost:def__i
#苦行僧·2022-11-04 06:07

李航 统计学习方法 课后习题答案 第二版 机器学习

李航《统计学习方法》课后习题答案（第2版）【李航课后习题解答+书中疑点推导+算法代码实现+可私聊耐心解答(定期回复)，包会！！】
#苦行僧·2022-11-04 06:32

统计学习方法——感知机（自学笔记）

感知机是二类分类的线性分类模型。输入——实例特征向量；输出——实例类别，取+1，-1二值。用于求误分类的损失最小化，利用了梯度下降法定义如下图感知机模型如下图：感知机模型用于二分类，从图来理解定义就是wx+b=0这条直线将实例分为两个部分，这里用来sign函数，取值±1.wx+b构成了超平面，也可以这么理解2d——线；3d——面感知机的学习策略线性可分性也就是说能正确分在超平面两侧就是线性可分，不
zhangmnh·2022-11-01 14:55

机器学习——感知机python可视化实现

简介参考李航老师出版的《统计学习方法》，用python实现感知机学习的算法感知机算法这里贴书中介绍的算法原始形式：具体的推导和逻辑理解可以查看书籍或者网上的其它博客。
Kalankalan·2022-11-01 14:53

周志华的《机器学习》西瓜书真的很难啃透吗？

相信大家和我一样，非李航的《统计学习方法》和周志华的《机器学习》莫属。周志华老师的《机器学习》，相信身边学机器学习的小伙伴可谓是人手一本了。but，这本书你真的啃下来了吗？
计算机视觉研究院·2022-10-27 21:43

拉格朗日对偶性问题的一些见解

李航《统计学习方法》中附录C中给出了拉格朗日对偶性的推导，在这里再重新捋一下其概念。应用拉格朗日对偶性的目的：将原始问题转换为对偶问题，通过求解对偶问题获得原始问题的解。
Yokate·2022-10-27 10:48

拉格朗日对偶问题的解释

0.内容介绍在约束最优化问题中，常常利用拉个朗日对偶性将原始问题转化为对偶问题，通过解对偶问题而得到原始问题的解，该方法应用在很多的统计学习方法中。
沧海磐石·2022-10-27 09:17

(三）总体上概要理解统计_第三部分：机器学习与统计决策

不过就机器学习以及在ANN基础上发展起来的深度学习算法，还是很典型的统计学习方法。因此，二者到底是什么关系，怎样关联的还是有必要了解清楚，对于模型的优化有指导作用。  
tiger007lw·2022-10-26 14:01

task_2异常检测方法—统计学习方法

一、基于统计学方法的异常检测主要原理是：学习一个拟合给定数据集的生成模型，然后识别该模型低概率区域中的对象，把它们作为异常点。也就是说，包括两个步骤，第一，给出概率模型，第二，考虑对象有多大可能符合该模型。根据如何指定和学习模型，异常检测的统计学方法可以划分为两个主要类型：参数方法和非参数方法。参数方法：假定正常的数据对象被一个以Θ\ThetaΘ为参数的参数分布产生。该参数分布的概率密度函数f(x
XYQLTX·2022-10-25 11:45

统计学习方法-朴素贝叶斯法

朴素贝叶斯（naiveByes）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于假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大输出y。朴素贝叶斯方法实现很很简单，学习与预测效率都很高，是一种常用的方法。朴素贝叶斯法的学习与分类基本方法：后验证概率最大化含义朴素贝叶斯法将实例分到后验概率最大的类中，这等价于
海伦•·2022-10-24 18:19

统计学习方法01——概论

原文代码作者：https://github.com/wzyonggege/statistical-learning-method目录1.使用最小二乘法拟和曲线1.1最小二乘拟合（scipy.optimize.leastsq）1.1.1画图显示中文标签和正负号1.1.2正态分布（np.random.randn）1.1.3scipy.linalg(线性代数)2.多项式拟合目标函数2.1利用正则化降低过
Top Secret·2022-10-24 18:46

【统计学习方法】朴素贝叶斯

一、前言首先介绍朴素贝叶斯的核心公式：PA∣B)=P(A)P(B∣A)P(B)PA|B)=\frac{{P(A)P(B|A)}}{{P(B)}}PA∣B)=P(B)P(A)P(B∣A)Wikipedia贝叶斯定理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。”朴素贝叶斯“之”朴素“之名即来源于其特征条件独立的假设。对于给定的数据集，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，而后
jyyym·2022-10-24 18:45

统计学习方法03—朴素贝叶斯算法

目录1.朴素贝叶斯的基本原理2.贝叶斯算法实现2.1数据集的准备与处理2.2GaussianNB高斯朴素贝叶斯2.2.1@staticmethod静态方法2.2.2几种概率统计量的编码2.3scikit-learn高斯贝叶斯实例2.4贝叶斯的伯努利模型和多项式模型3.意犹未尽1.朴素贝叶斯的基本原理2.贝叶斯算法实现2.1数据集的准备与处理importnumpyasnpimportpandasas
Top Secret·2022-10-24 18:14

信息论概念详细梳理：信息量、信息熵、条件熵、互信息、交叉熵、KL散度、JS散度

通俗理解条件熵从编码角度直观理解信息熵计算公式浅谈KL散度简单的交叉熵，你真的懂了吗李航《统计学习方法》文章目录0.引入：三门问题1.信息量1.1从“不确定度”角度理解1.2从编码角度理解2.信息熵3.
云端FFF·2022-10-22 07:24

Adaboost Python实现

AdaboostPython实现AdaboostPython实现算法原理简介算法流程实现代码AdaboostPython实现本文是根据李航的《统计学习方法》进行复现，按照二分类的Adaboost进行操作
FelixBug·2022-10-20 22:02

01. KNN , CV_example

K近邻算法(K-nearestneighbor，KNN算法)李航博士《统计学习方法》最近邻(k-NearestNeighbors,KNN)算法是一种分类算法应用场景：字符识别、文本分类、图像识别思想：对给定的训练实例点和输入实例点
S1406793·2022-10-18 07:56

计算机视觉入门及资料汇总

未完，持续更新）零、好的博客汇总：一、计算机视觉（图像处理）论文及代码汇总：二、特征提取算法汇总：三、深度学习与计算机视觉汇总：四、C和C++入门汇总：五、数据集汇总：六、目标跟踪：七、模式识别：八、统计学习方法
weixin_30662011·2022-10-14 07:52

支持向量机SVM(1)——间隔最大化

支持向量机SVM——间隔最大化1.超平面2.函数间隔和几何间隔3.间隔最大化本文主要参考《机器学习》、《统计学习方法》。
Donreen·2022-10-13 07:20

决策树模型实现：ID3，C4.5生成，剪枝，预测

此次算法实现都是基于《统计学习方法》的描述，而不是西瓜书，不涉及西瓜书内的”预剪枝“和”后剪枝“，剪枝算法为《统计学习方法》算法5.4，计算损失函数时直接计算整棵树的值，没有实现”局部进行”。
_森罗万象·2022-10-12 10:38

经典机器学习方法（6）—— 非线性支持向量机器与核技巧

参考：《统计学习方法（第二版）》第7章白板机器学习菜菜的sklearn课堂支持向量机器(supportvectormachines,SVM)可以看作之前介绍过的经典机器学习方法（4）——感知机的升级版，
云端FFF·2022-10-10 19:45

NNDL 实验五 前馈神经网络（3）鸢尾花分类

4.5.2数据处理4.5.3模型构建4.5.4完善Runner类4.5.5模型训练4.5.6模型评价4.5.7模型预测思考题总结深入研究鸢尾花数据集画出数据集中150个数据的前两个特征的散点分布图：【统计学习方法
HBU_David·2022-10-07 12:20

05决策树与随机森林（学习笔记）

参考：袁春老师《大数据机器学习公开课》：https://www.xuetangx.com/course/THU08091001026/10333105李航老师《统计学习方法》：https://book.douban.com
jialonghao·2022-10-06 07:57

西瓜书研读——第三章 线性模型： 线性判别分析 LDA

西瓜书研读系列：西瓜书研读——第三章线性模型：一元线性回归西瓜书研读——第三章线性模型：多元线性回归西瓜书研读——第三章线性模型：线性几率回归（逻辑回归）主要教材为西瓜书，结合南瓜书，统计学习方法，B站视频整理
小白不白白_·2022-10-02 07:17

统计学习方法学习笔记-07-支持向量机01

包含对三种支持向量机的介绍，包括线性可分支持向量机，线性支持向量机和非线性支持向量机，包含核函数和一种快速学习算法-序列最小最优化算法SMO。线性可分支持向量机与硬间隔最大化线性可分支持向量机假设一个特征空间上线性可分的训练数据集T={(x1,y1),(x2,y2),⋯ ,(xN,yN)}T=\{(x_1,y_1),(x_2,y_2),\cdots,(x_N,y_N)\}T={(x1,y1),(x
尔呦·2022-09-23 16:29

【统计学习方法】k近邻 kd树的python实现

前言代码可在Github上下载:代码下载k近邻可以算是机器学习中易于理解、实现的一个算法了，《机器学习实战》的第一章便是以它作为介绍来入门。而k近邻的算法可以简述为通过遍历数据集的每个样本进行距离测量，并找出距离最小的k个点。但是这样一来一旦样本数目庞大的时候，就容易造成大量的计算。所以需要将数据用树形结构存储，以便快速检索，这也就是本文要阐述的kd树。实现分为两部分，一个是kd树建立，一个是kd
火烫火烫的·2022-09-22 07:48

【晨读算法】为什么经常看到使用朴素贝叶斯公式的时候把分母忽略了？

我们以李航老师《统计学习方法》上面的定义为例：朴素贝叶斯法对条件概率分布做了条件独立性的假设。由于这是一个较强的假设，朴素贝叶斯也由此得名。
旅途中的宽~·2022-09-19 07:52

机器学习——K近邻算法（KNN）及其python实现

spm_id_from=333.788&vd_source=77c874a500ef21df351103560dada737统计学习方法（第二版）李航（编著）k近邻法（k-nearestneighbor
清泉_流响·2022-09-17 16:08

机器学习——朴素贝叶斯（Naive Bayes）详解及其python仿真

spm_id_from=333.999.0.0&vd_source=77c874a500ef21df351103560dada737统计学习方法（第二版）李航（编著）一、朴素贝叶斯(naiveBayes
清泉_流响·2022-09-17 16:30

时间序列预测浅谈

传统的统计学习方法需要结合时序领域特有的统计学分析（e.g.自相关系数ACF、偏相关系数PACF、平稳性检验等），将数据通过差
笔写心城·2022-09-08 07:05

机器学习算法-NLP-CV好的学习视频和资料（持续更新~）

小白入门：《图“解”机器学习》-小白10分钟也能搞懂机器学习知乎：深入理解统计学习方法（这个可以参考）第四章贝叶斯相关：详解最大似然估计（MLE）、最大后验概率估计（MAP），以及贝叶斯公式的理解（转载
饿了就干饭·2022-09-07 10:10

《统计学习方法》笔记

统计学习方法监督学习统计学习基本分类统计学习是关于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和分析的一门学科。统计学习也称为统计机器学习。统计学习由监督学习、无监督学习和强化学习组成。
仿生程序员会梦见电子羊吗·2022-09-06 07:28

朴素贝叶斯分类器python实现_python 实现朴素贝叶斯分类器（离散数据）

朴素贝叶斯算法步骤：贝叶斯估计代码：#-*-coding:utf-8-*-#naiveBayes朴素贝叶斯法#author:Tomator"""算法参考与李航博士《统计学习方法》采用贝叶斯估计(拉普拉斯平滑
吕驰宇·2022-09-05 19:14
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他