统计学习

计算机视觉相关会议

会议收录论文的内容包括：底层视觉与感知，颜色、光照和纹理处理，分割与聚合，运动与跟踪，立体视觉与运动结构重构，基于图像的建模，基于物理的建模，视觉中的统计学习，视频监控，物体、事件和场景的识
严47·2022-12-14 17:36

《西瓜书》+《南瓜书》第一章笔记（Datawhale）

大部分都是基于《西瓜书》和《统计学习方法》的一些日常记录，本人学识浅薄，如果有存在理解、记录偏差的地方，希望大家能帮忙指出一下，笔者不胜感激！~第一章1.1引言什么是机器学习？
游弋诗·2022-12-14 16:33

《可解释人工智能公开课》——by 同济子豪兄 第一章导论笔记

导论这门课学什么通过坦克的故事得知:训练集和测试集一定要来源同一个分布现代的机器学习和人工智能都是统计学习，统计学习用大量的数据和经验去训练出算法，让算法拟合出某个决策边界或者数据分布；若是分类，就拟合出一个边界把两类样本分开
xuejiang__·2022-12-14 16:03

《机器学习》（周志华）第一章 绪论 笔记 学习心得

第1章绪论学习心得由于我之前已经学过了李航老师的《统计学习方法（第2版）》，所以这里面的概念没有啥不懂得，不会像教程说的有些难，毕竟学过一部分了。
ML--小小白·2022-12-14 15:21

可解释机器学习导论

选择人工智能的方向来自子豪兄的建议尽可能通用，与其他方向有交叉，能为社会创造价值或商业应用价值顺应主流的发展——统计学习到深度学习到大规模学习要有高质量的
beiketaoerge·2022-12-14 15:49

1.4+1.5 L1、L2正则化

2022.08.27李航老师《统计学习方法》：一.统计学习及监督学习概论#本文目的就是为学者简化学习内容，提取我认为的重点把书读薄;#本文重点：1.5正则化理解一.统计学习及监督学习概论1.4+1.5L1
羊老羊·2022-12-14 15:07

【李航-统计学习方法】1.4模型评估与模型选择

1、训练误差与测试误差不同的学习方法会给出不同的模型。当损失函数给定时，基于损失函数的模型的训练误差和模型的测试误差就成为学习方法评估的标准。训练误差的大小，对判断给定的问题是不是一个容易学习的问题有意义。也就是说，一个问题越容易学习，那么它的训练误差就越小。但这本质上不重要。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。测试误差小的方法具有更好的预测能力，是有效的方法。通常将学习方法对未
smile4548656·2022-12-14 15:01

《统计学习方法》(李航)：模型评估选择、正则化与交叉验证、泛化能力、生成模型与判别模型、监督学习应用

PS：所写内容为读书笔记，如需了解更详细内容请购买正版书籍1.4模型评估与选择1.4.1训练误差和测试误差训练误差：模型对训练集预测结果的误差测试误差：模型对测试集测试结果的误差1.4.2过拟合与模型选择过拟合（over-fitting）：学习时选择的模型所包含的参数过多，以至于出现这一模型对已知数据预测很好，但对未知数据预测很差的现象。当模型的复杂度增大时，训练误差会逐渐减小并趋近于0，而测试误
APPLECHARLOTTE·2022-12-14 15:50

《因果推理原理：基础与学习算法》第一章 因果模型和统计模型

利用统计学习，我们试图从观测数据中推断出随机变量之间的相关性。例如，基于对两个随机变量的联合观察样本，我们可以构建一个预测器，该预测器在只给出其中一个变量的新值的情况下，可以很好地估计另一个变量。
叶子心情你不懂·2022-12-14 11:57

Python机器学习基础篇一《为什么用Python进行机器学习》

它是统计学、人工智能和计算机科学交叉的研究领域，也被称为预测分析（predictiveanalytics）或统计学习（statisticallearning）。
虚幻私塾·2022-12-13 22:01

吃瓜教程 [西瓜书]任务打卡 Task1: 第一章

第一章我是通过大数据挖掘竞赛入门机器学习,在此前并没有系统地学过基础理论,做的工作比较多的是通过复现大佬在kaggle,天池上的教程,调包实现编程的求解.因此,我这次通过参与DataWhale组织的七月组队学习计划,系统性地学习一遍关于统计学习
苏忘川·2022-12-13 21:01

【统计学习方法】EM算法实现之隐马尔科夫模型HMM

1基本概念1.1马尔科夫链（维基百科）马尔可夫链（英语：Markovchain），又称离散时间马尔可夫链（discrete-timeMarkovchain，缩写为DTMC），因俄国数学家安德烈·马尔可夫得名，为状态空间中经过从一个状态到另一个状态的转换的随机过程。该过程要求具备“无记忆”的性质：下一状态的概率分布只能由当前状态决定，在时间序列中它前面的事件均与之无关。这种特定类型的“无记忆性”称作
qauzy·2022-12-13 20:12

领域自适应论文总结系列（一）

早期的基于统计学习等浅层模型的做法主要是先设计一套特征提取方法，然后对训练集和测试集的特征进行分布匹配，此时再将分类器用到测试集上会取得更好的预测效果。
努力干活还不粘人的小妖精·2022-12-13 18:27

机器学习——期末复习

池化操作应用题决策树、朴素贝叶斯、聚类算法单层感知器构造（连接神经元部分）填空题第一章机器学习基础按机器学习系统的含义：是指能够在一定程度上实现机器学习系统机器学习按对人类学习的模拟方式：符号主义学习、统计学习
一颗菜籽·2022-12-13 13:43

泛统计理论初探——线性判别分析LDA简介

统计学习-线性判别分析方法简介线性判别分析方法简介LDA是常见的降维算法，全称是LinearDiscriminantAnalysis，即线性判别分析。
喷火龙与水箭龟·2022-12-13 10:30

个人学习笔记：EM与GMM算法

本篇文章为个人学习EM算法框架时的笔记，其中主要参考了李航老师的《统计学习方法》这本书以及PRML，中间有一些内容是从其他一些网络资料上摘抄下来的，具体来源比较杂，这里就不一一列出了，如有侵权请联系删除
ZJ&ZYQ·2022-12-13 10:18

机器学习中隐马尔可夫模型（Hidden Markov Model, HMM）理论

参考书：《统计学习方法》《TheModelThinker》文章目录隐马尔可夫模型（HiddenMarkovModel,HMM）1.马尔可夫宿命论1.1案例1.2宿命2.马尔可夫过程3.隐马尔可夫模型3.1
天真的和感伤的想象家·2022-12-13 09:52

统计学习方法之决策树通俗理解

决策树看完本文再学习《统计学习方法》相应内容，效果更好如果需要《统计学习方法》第二版pdf，可私信领取1.决策树思想决策树显然是像人那样做决策，比如挑选苹果我们可以先看颜色，我们觉得红色的可能好些，我们再在红色的苹果中看纹理等等
dxwell6·2022-12-13 06:19

决策树理解

决策树理解（一）参考书籍：《机器学习》周志华，第1版《统计学习方法》李航，第2版用来记录自己对书中知识的理解，加强自己的理解和记忆，同时提出自己迷惑不解的地方，提高自己编辑的表达能力。
小耗子-Axel·2022-12-13 06:18

机器学习常用角标及其含义

李航《统计学习方法》：d∗=maxα,β;αi≥0θD(
MiaL·2022-12-12 14:13

||《统计学习方法》李航_第1章_蓝皮（学习笔记）

第1章统计学习方法概论监督学习统计学习三要素模型策略（经验风险和结构经验风险）判别模型与生成模型补充（含课后作业）MLE、MAP和贝叶斯估计证明经验风险最小化等价于极大似然估计（在特定条件下）证明结构风险最小化与最大后验概率等价
Rlin_by·2022-12-12 14:16

深度丨我们可以有多信任人工智能

本文要点•Launchbury将统计学习归类为他称为的第二次AI浪潮。在这次浪潮中，强调的是感知和学习的过程，但是这项技术却缺少推理和抽象的能力。•AI的核心是一个高度有序的结构。在实践中，大部分AI
人工智能学家·2022-12-12 13:09

协方差矩阵的定义性质与python实现

最近写统计学习的作业，要用到降维方法，一股脑把机器学习实战上的代码敲上去就好了，要求中还要尝试其他降维方法，查了好多发现LDA可以，但是LDA要用到计算协方差矩阵，这玩意我之前就糊里糊涂的，协方差是变量之间的
king阿金·2022-12-12 10:10

机器学习（0）：机器学习概述及基本概念

虽然之前粗略的学过一点皮毛，但是当初笔记做的实在不好，这次趁着看吴恩达老师的机器学习教学视频以及李航老师的《统计学习方法》，重新整理一下自己的笔记，同时也是整理一下自己的思路。
棉花糖灬·2022-12-11 18:27

结合openCV学习DIP之机器学习CNN

并且以此为依据可以从其他未知图像中检测出相似或相同的该对象A.在特征提取上,传统的图像处理都是自行设计提取固定特征的算子,在深度学习上主要是利用CNN网络来广泛的提取图像的特征.笔记以吴恩达课程为基础,全面介绍机器学习相关术语,再以李航《统计学习方法
Heisenberg-·2022-12-11 16:52

统计学习方法 李航 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(48小时内回复)，包会！！】
#苦行僧·2022-12-11 13:12

《可解释机器学习公开课》来了！

什么是可解释AI现代的机器学习和人工智能，属于“统计学习”，通过大量的数据和经验训练算法，拟合出决策边界和数据分布。比如识别猫狗的神经网络，输入大量标注好类别的图像，通过神经网络算法，在高维空间
Datawhale·2022-12-11 09:40

西瓜书研读——第三章 线性模型：线性几率回归（逻辑回归）

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~人群定位：学过高数会求偏导、线代会矩阵运算、
猛男技术控·2022-12-11 01:43

用python写多项式拟合_多项式最小二乘法拟合的python代码实现

最近学习李航《统计学习方法》，在github上找到了这本书对应的源码，决定自己跟着敲一敲代码，也感谢代码的贡献者，链接如下：https://github.com/fengdu78/lihang-codegithub.com
weixin_39637256·2022-12-11 00:21

统计学习方法中GDBT简单实现

模型：加法模型、每个基学习器为CART回归树桩损失函数：平方误差迭代停止条件：基学习器数达到上限、或整体误差低于设定值importnumpyasnpimportmathimportmatplotlib.pyplotasplt#准备数据x=np.arange(1,11,1)threshold=np.linspace(1.5,9.5,num=9)y=np.array([5.56,5.70,5.91,6
围炉夜谈·2022-12-10 16:19

“上帝的算法”——EM

相比《统计学习方法》、《机器学习》来说，《数学之美》没有那么多的公式理论，全是科普性质的（开拓眼界），其中也不乏一些数学原理的解释，通俗易懂。
我曾经被山河大海跨过·2022-12-10 15:35

什么是欠拟合现象_深度学习中过拟合、欠拟合问题及解决方案

在进行数据挖掘或者机器学习模型建立的时候，因为在统计学习中，假设数据满足独立同分布(i.i.d，independentlyandidenticallydistributed)，即当前已产生的数据可以对未来的数据进行推测与模拟
达欣欣·2022-12-10 08:35

感知机对偶算法

知识源于——《统计学习方法（第二版）》李航感知机（perception)一种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（二分类类别为-1，+1二值）。
木北鲜生·2022-12-10 08:03

多模态信息抽取（一）——融合知识图谱和多模态的文本分类研究（论文研读）

实体特征表示2.3图像特征表示2.4输入层2.5训练与分类3实验3.1数据集与评价方法3.2实验环境与模型参数3.3对比实验结果与分析4结术语参考文献:摘要：传统文本分类方法主要是基于单模态数据所驱动的经验主义统计学习方法
椒椒。·2022-12-10 00:54

Cox回归和HR值理解要点难点，实例讲解

Cox回归由于其复杂性和相对较少应用（除了临床研究），很多统计学习者很少接触过和应用Cox回归，对其原理与应用也不甚了解，一般医学教科书一写到Cox回归，马上会涉及到几个令人生畏的名称：比如半参数回归、
科研小行星·2022-12-09 21:35

生存分析-Cox回归模型

由于其复杂性和相对较少应用（除了临床研究），很多统计学习者很少接触过和应用Cox回归，但随着队列研究和中长期随访的实验性研究越来越多，我们有必要学习使用它。
MinitabUG·2022-12-09 21:04

人工智能 - 扩展阅读

illustrated-transformer2.AttentionIsAllYouNeed：https://arxiv.org/abs/1706.03762神经网络入门1.CS231n系列CS231n课程笔记翻译：反向传播笔记-知乎统计学习方法
JYCJ_·2022-12-09 17:43

机器学习之高斯混合模型(GMM)及python实现

本章节内容参考了李航博士的《统计学习方法》本节不同之处在于分析讨论了多维度空间的高斯混合模型1高斯混合模型推导1.1高斯混合模型定义：高斯混合模型是指具有如下形式的概率分布模型：p(y∣θ)=∑k=1Kαkϕ
董蝈蝈·2022-12-09 11:53

Grasshopper二次开发--------使用偏移两侧和创建实体的选项偏移网格.

使用偏移两侧和创建实体的选项偏移网格例如：1、熟悉Rhino.sdk(本节课我们使用Mesh的sdk)2、有4个输入端Mesh,Number,Boolean,Boolean3、有1个输出端Mesh结果：提示：这里统计学习计划的总量
胖胖的月亮·2022-12-09 00:05

机器学习-logistic回归训练数据集

类别：机器学习个人笔记参考书籍：《统计学习》、《机器学习实战》、周志华大佬的西瓜书相关数学公式推导见我上传的手写PDF任务：学习《机器学习实战》P78页及P79页程序清单5-1和5-2，完成以下问题：1
平凡的小何同学·2022-12-08 20:01

机器学习入门必读书籍——李航《统计学习方法》（文尾免费领取）

《统计学习方法》是计算机及其应用领域的一门重要的学科。
无知红·2022-12-08 16:47

基于统计学习方法的自然语言处理概述

NLP课程（一，NLP概述和应用场景）AI工程师核心技能：现实生活中问题—>数学优化问题—>通过合适的工具来解决。whatisNLPNLP=NLU+NLG·NLU：语音/文本-->意思（understanding）·NLG:意思—>文本/语音(generate)NLPisHarder(vsComputerVision)Multiplewaystoexpress:(多语一意)·凯美瑞是日本人设计的·
子颠三号倒四·2022-12-08 15:43

机器学习--感知机学习算法

以下只给出了感知机算法的Python代码实现，想从头开始了解机器学习以及感知机模型的推荐李航老师的统计学习方法蓝宝书感知机算法原始形式#感知机(原始形式)importnumpyasnp#创建测试集，包含三个实例点和两个类别
weixin_45752264·2022-12-08 12:23

统计学习：logistic回归 Python实现

1.最大熵模型作用是从许多个模型中，选择一个最好的模型，选择的标准就是熵，即具有最大熵的P(Y∣X)P(Y|X)P(Y∣X)就是最好的模型。个人理解最大熵在这里起的作用类似于validdata的作用。为什么最大熵的模型就是最好的呢？因为在自然界中，所有的分布都是趋于无序的、混乱的。最大熵准则则保留了每一种可能发生的情况，可以代表更多的可能发生的信息。比如你在猜抛掷一枚硬币，正面朝上的概率的时候，最
中杯冰美式·2022-12-08 03:23

神经网络中的Regularization和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
这孩子谁懂哈·2022-12-07 18:55

概率论与数理统计学习笔记（5）——极大似然估计

在机器学习与深度学习中，特别是"模型已定，参数未知"的情况下，普遍使用最大似然估计法学习参数。为了后面学习中能够找得到地方复习这些概率论知识，所以这里整理了极大似然估计的笔记，所有参考内容放在最后。对了宝贝儿们，卑微小李的公众号【野指针小李】已开通，期待与你一起探讨学术哟~摸摸大！目录1似然与概率2似然函数3极大似然估计4参考1似然与概率似然（likelihood）与概率（probability）
野指针小李·2022-12-07 13:52

EM算法例子

参考：统计学习方法EM算法的一个例子_陈嘟嘟cc的博客-CSDN博客_em算法应用实例#EMalgorithm#coinA,B,C;#coinAfrontprobabilityisphi,backprobabilityis1
Goodness2020·2022-12-07 12:57

【机器学习】提升方法AdaBoost二分类例题 C++实现

题目来源：统计学习方法（第二版李航）第八章第一节AdaBoost例子实现P158题目：给定如图所示训练数据集。假设弱分类器由xv产生，其阈值v使该分类器在训练数据上分类误差率最低。
ayitime·2022-12-07 12:25

《统计学习方法》学习笔记 第十三章 无监督学习概论

目录13.1无监督学习基本原理13.2基本问题13.3无监督学习三要素13.4无监督学习方法13.1无监督学习基本原理无监督学习是从无标注的数据中学习数据的统计规律或者说内在结构的机器学习，主要包括聚类、降维、概率估计。无监督学习可以用于数据分析或者监督学习的前处理。无标注数据U={x1,x2,...,xN}U=\{x_1,x_2,...,x_N\}U={x1,x2,...,xN}模型①函数z=g
LittleFish0820·2022-12-07 10:15

深度学习入门资料分类汇总（持续更新）

机器学习资料入门课程-斯坦福CS229课程《统计学习方法》李航DeepLearning入门资料深度学习工程师微专业-一线人工智能大师吴恩达亲研-网易云课堂斯坦
刀客塔辛·2022-12-07 05:10
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他