统计学习

复现经典：《统计学习方法》第16章 主成分分析

第16章主成分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78·2022-11-28 10:03

从奇异值分解SVD到主成分分析PCA

SVD）简介1.1矩阵A(A∈Rm×nA\inR^{m\timesn}A∈Rm×n)的奇异值分解1.2SVD的紧凑形式1.3SVD的截断形式2.奇异值分解的求解过程3.主成分分析（PCA）实现3.1《统计学习方法
L1_Zhang·2022-11-28 10:02

复现经典：《统计学习方法》第14章 聚类方法

第14章聚类方法本文是李航老师的《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。
湾区人工智能·2022-11-28 10:00

《统计学习方法》 第十六章 主成分分析PCA

主成分分析(PCA)假设xxx为mmm维随机变量，其均值为μ\muμ，协方差矩阵为Σ\SigmaΣ考虑由mmm维随机变量xxx到mmm维随机变量yyy的线性变换yi=αiTx=∑k=1mαkixk,i=1,2,⋯ ,my_{i}=\alpha_{i}^{T}x=\sum_{k=1}^{m}\alpha_{ki}x_{k},\quadi=1,2,\cdots,myi=αiTx=k=1∑mαkixk,
小鹏AI·2022-11-28 10:30

《统计学习方法》 第十四章 聚类方法

聚类方法1.聚类是针对给定的样本，依据它们属性的相似度或距离，将其归并到若干个“类”或“簇”的数据分析问题。一个类是样本的一个子集。直观上，相似的样本聚集在同类，不相似的样本分散在不同类。2.距离或相似度度量在聚类中起着重要作用。常用的距离度量有闵可夫斯基距离，包括欧氏距离曼哈顿距离、切比雪夫距离、、以及马哈拉诺比斯距离。常用的相似度度量有相关系数、夹角余弦。用距离度量相似度时，距离越小表示样本越
小鹏AI·2022-11-28 10:29

《统计学习方法》 第三章 K近邻法(原理+代码)

KKK近邻法kkk近邻法是基本且简单的分类与回归方法kkk近邻法的基本做法是:对给定的训练实例点和输入实例点，首先确定输入实例点的kkk个最近邻训练实例点利用这kkk个训练实例点的类的多数来预测输入实例点的类kkk近邻模型是对应于基于训练数据集对特征空间的一个划分kkk近邻法中，当训练集、距离度量、kkk值及分类决策规则确定后，其结果唯一确定kkk近邻法三要素：距离度量、kkk值的选择和分类决策规
小鹏AI·2022-11-28 04:39

python泰坦尼克号数据预测_机器学习入门之Python机器学习：泰坦尼克号获救预测一...

一、项目概要1、应用模式识别、数据挖掘(核心)、统计学习、计算机视觉、语言识别、自然语言处理2、模式、流程训练样本-->特征提取-->学习函数-->预测二、Python实践1、应用的模块Numpy：科学计算库
weixin_39715997·2022-11-27 21:30

NNDL 实验五 前馈神经网络（3）鸢尾花分类

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】感知机对鸢尾花(iris)数据集进行二分类4.5实践：基于前馈神经网络完成鸢尾花分类继续使用第三章中的鸢尾花分类任务
Guo_weiqi·2022-11-27 09:37

机器学习案例：孕妇吸烟与胎儿健康

想到刚刚入门数学建模时《数学模型》中统计学习的第一章，孕妇吸烟与胎儿健康问题。数据集在这这里以孕妇吸烟与胎儿健康为例，建立模型，希望通过各类特征预测新生儿体重。
羽星_s·2022-11-27 08:47

机器学习笔记（十一）-聚类（Clustering）

本次学习笔记主要记录学习机器学习时的各种记录，包括吴恩达老师视频学习、李宏毅老师视频学习、周志华老师的《机器学习》（西瓜书）以及李航老师的《统计学习方法》。
997and·2022-11-27 08:03

深度学习/机器学习资料汇总

MachineLearningDeepLearningSeq2SeqLSTMAttentionSelf-AttentionTransfomerBert(这周目标）读研期间收集的学习资料汇总（持续更新中）MachineLearning西瓜书以及统计学习方法笔记
金州啦啦啦啦文·2022-11-27 07:50

Datawhale-Task3决策树算法梳理

（ID3算法、C4.5、CART分类树）的原理及应用场景3.回归树原理4.决策树防止过拟合手段5.模型评估6.sklearn参数详解，Python绘制决策树参考：西瓜书cs229吴恩达机器学习课程李航统计学习谷歌搜索公式推导参考
Zzichen_ovo·2022-11-27 03:07

处理效应模型stata实例_重复测量数据分析系列：再谈多层混合效应模型（基于Stata）...

转自个人微信公众号【Memo_Cleon】的统计学习笔记：重复测量数据分析系列：再谈多层混合效应模型（基于Stata）。感觉从来没有一个模型有这么多的名字。
律姐有范儿·2022-11-26 18:26

统计学习方法——（第七章）支持向量机详解与推导

一、知识梳理二、支持向量机1、原理SVM作为传统机器学习的一个非常重要的分类算法，它是一种通用的前馈网络类型，最早是由VladimirN.Vapnik和Alexey在1963年提出，目前的版本是CorinnaCortes和Vapnik在1993年提出，1995年发表。深度学习（2012）出现之前，SVM被认为是机器学习中近十几年最成功表现最好的算法。支持向量机（supportvectormachi
我学数学我骄傲·2022-11-26 14:50

统计学习方法读书笔记15-逻辑斯蒂回归习题

文章目录1.课后习题2.视频课后习题1.课后习题importnumpyasnpimporttimeimportmatplotlib.pyplotaspltfrommpl_toolkits.mplot3dimportAxes3Dfrompylabimportmpl#图像显示中文mpl.rcParams['font.sans-serif']=['MicrosoftYaHei']classLogisti
哎呦-_-不错·2022-11-26 02:56

用python写梯度下降算法实现逻辑斯蒂回归

1.logistic的理论基础可参考网上一位大佬写的李航的《统计学习方法》笔记pdf笔记文档链接：链接：https://pan.baidu.com/s/1Gee9aOdNvemy5K6co1daZg提取码
melicent114·2022-11-26 02:52

机器学习-逻辑斯蒂回归与最大熵模型概述-数学推导及乳腺癌数据分类python实现

最大熵模型（MaximumEntropyModel）2.2定义最大熵模型3.Python实现3.1数据集3.2代码及运行结果4.总结1.逻辑蒂斯回归逻辑蒂斯回归（logisticregression）是统计学习中的经典分类方法
菜菜小硕·2022-11-26 02:44

逻辑斯蒂回归模型——逻辑斯蒂分布、二项逻辑斯蒂回归模型、参数估计与多项逻辑斯蒂回归

本笔记整理自李航老师《统计学习方法》第二版第六章逻辑斯蒂回归是统计学习中经典的分类方法。
如化雨·2022-11-26 02:44

机器学习之树形算法(一)：决策树

目录一、决策树介绍二、决策树特征选择三、决策树的生成四、决策树的剪枝五、CART算法总结参考资料：《统计学习方法》李航一、决策树介绍目前最流行的一类机器学习算法是树形算法（决策树、随机森林、GBDT、XGBoost
大哇唧·2022-11-25 21:08

（四）决策树与python代码实现ID3算法

李航老师《统计学习方法》第二版学习笔记知识点：决策树是一种基本的分类与回归方法，是基于树结构来进行决策的根据损失函数最小化的原则建立决策树模型决策树内部节点表示一个特征或属性，叶节点表示一个类决策树可以看成
十二十二呀·2022-11-25 17:41

我们追求的泛化，竟是一条死路？

文|鹰钩鼻涕虫从我们刚刚接触统计学习方法开始，想必就一直在接受一个思想：相比符号算法，统计模型最重要的能力之一，即是它的泛化能力。
夕小瑶·2022-11-25 15:20

Transductive Learning vs Inductive Learning

在统计学习中，转导推理（Transductiv
wendox·2022-11-25 09:07

转导学习 transductive learning

TransductiveLearning)区别于归纳推理（InductiveInference）从特殊到一般，再从一般到特殊的学习方式，转导推理（TranductiveInference）是一种从特殊到特殊的统计学习
TBYourHero·2022-11-25 09:35

端到端的含义，统计学习、机器学习和深度学习的区别与联系

什么是端到端（end-to-end）端到端通俗来说就是不需要进行特征提取，输入的是原始的数据，输出的就是最后的结果。经典机器学习方式是以人类的先验知识将raw数据预处理成feature，然后对feature进行分类。分类结果十分取决于feature的好坏。所以过去的机器学习专家将大部分时间花费在设计feature上。那时的机器学习有个更合适的名字叫特征工程（featureengineering）随
ddwyz·2022-11-25 09:30

统计学习方法(李航) 支持向量机 附python及sklearn实现

支持向量机有监督学习分类问题VapnikVapnikVapnik线性可分支持向量机/线性支持向量机/非线性支持向量机什么是支持向量机呢？SupportVectorMachineSupport\spaceVector\spaceMachineSupportVectorMachine：支持向量机先抛出难懂的定义～可以先跳过，最后再来回顾定义：支持向量机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
tsuiraku·2022-11-25 07:09

支持向量机SVM（包括线性核、多项式核、高斯核）python手写实现+代码框架说明

支持向量机SVM（包括线性核、多项式核、高斯核）python手写实现理论理论参考《统计学习方法》Chapter.7支持向量机（SVM）完整代码见github仓库：https://github.com/wjtgoo
taotaoiit·2022-11-25 07:36

电信保温杯笔记——《统计学习方法（第二版）——李航》第19章 马尔可夫链蒙特卡罗法

电信保温杯笔记——《统计学习方法（第二版）——李航》第19章马尔可夫链蒙特卡罗法论文介绍逆变换采样蒙特卡罗法随机抽样接受拒绝采样法步骤特点求解某种随机分布的特征数数学期望估计积分计算例题1例题2马尔可夫链定义离散状态马尔可夫链转移概率矩阵和状态分布例题平稳分布例题
电信保温杯·2022-11-25 02:09

电信保温杯笔记——《统计学习方法（第二版）——李航》第17章 潜在语义分析

电信保温杯笔记——《统计学习方法（第二版）——李航》第17章潜在语义分析论文介绍单词向量空间话题向量空间话题向量空间文本在话题向量空间的表示从单词向量空间到话题向量空间的线性变换潜在语义分析算法矩阵奇异值分解算法步骤
电信保温杯·2022-11-25 02:38

电信保温杯笔记——《统计学习方法（第二版）——李航》第18章 概率潜在语义分析

电信保温杯笔记——《统计学习方法（第二版）——李航》第18章概率潜在语义分析论文介绍基本想法模型生成式模型共现模型文本、话题、单词之间的关系几何解释与潜在语义分析的关系算法步骤本章概要相关视频相关的笔记相关代码论文介绍电信保温杯笔记
电信保温杯·2022-11-25 02:38

当我们谈数据分析时，到底在谈什么？

——《统计学习方法》1个标准流程业务理解确定数据挖掘目标、制定项目计划。数据理解收集原始数据、描述数据、探索数据、检验数据质量
媚婉兰君·2022-11-25 00:04

【时序预测-SVM】基于鲸鱼算法优化支持向量机SVM实现时序数据预测附matlab代码

更多Matlab仿真内容点击智能优化算法神经网络预测雷达通信无线传感器信号处理图像处理路径规划元胞自动机无人机电力系统⛄内容介绍支持向量机是一种建立在统计学习理论上的机器学习方法,它追求结构化风险最小而不是经验风险最小
matlab科研助手·2022-11-24 14:35

KNN算法python实现

内容参考了某_统计学习方法_。KNN算法的主要实现步骤：计算测试数据与各训练数据之间的距离。按照距离的大小进行排序。选择其中距离最小的k个样本点。确定K个样本点所在类别的出现频率。
ZZZZ_ccc·2022-11-24 13:21

统计学 数据挖掘 机器学习 深度学习之间的关联

1.机器学是建立在统计学习的基础上，统计学是数据分布进行假设，以强大的数学理论支撑解释因果，注重参数推断；统计学是通过搜索，整理，分析，描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学
佳慧 20212103860·2022-11-24 13:14

机器学习基础——损失函数与风险函数

参考自李航《统计学习方法》。损失函数损失函数(lossfunction)用来预测模型单次预测的好坏，即模型的预测值f(X)和真实值Y之间的差别，记作L(Y,f(x))。
本初-ben·2022-11-24 07:15

机器学习系列（4）：决策树

本文结合李航博士的《统计学习方法》与周志华老师的《机器学习》决策树部分，《统计学习方法》重理论的证明推导，《机器学习》注重讲解算法的特点与扩展。
Wwwwhy_　·2022-11-24 01:58

NLP小白自学日记——《统计学习方法》（持续更新）

阅读目录监督学习第1章统计学习及监督学习概论1.2统计学习的分类1.3统计学习方法三要素1.4模型评估与模型选择1.5正则化和交叉验证1.6泛化能力1.7生成模型与判别模型1.8监督学习应用个人总结第2
小小小书柜·2022-11-23 16:28

数据挖掘-朴素贝叶斯算法的R实现

基础知识来自教材：李航的《统计学习方法》本人小白，仍在不断学习中，有错误的地方恳请大佬指出，谢谢！
Rr-7·2022-11-23 15:43

统计学习方法 5 - 决策树

决策树：判别模型问题描述：假设要对一批样本分K类。其中这些样本又有A个特征。如何生成一个树形结构，按照特征一层一层往下分。决策树生成思路：有A个特征可供分类，但是先选哪个特征作为分类标准呢？决策树为了解决这个问题，首先会判断该特征的对样本的区分能力，比如在男宿舍这样一个条件下判断谁有ipad，如果用性别作为一个特征来判断分类，收益很小；如果我们用生活费多少来判断，那么对这个分类就有很大的帮助。决策
周某1111·2022-11-23 13:10

李航博士《统计学习方法》第一章课后习题参考答案

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与1的随机变量上的概率分布。
Siyu_Zhu·2022-11-23 00:33

李航 统计学习方法 第二版 课后习题答案

第一章第二章1第二章2第三章第四章1第四章2第五章1第五章2第六章第七章1第七章2
Fancy Wang·2022-11-23 00:00

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(48小时内回复)，包会！！】
#苦行僧·2022-11-23 00:49

一文读懂决策树剪枝

本文主要依据周志华的《机器学习》和李航的《统计学习方法》。
xisi克利夫·2022-11-22 22:33

【白话机器学习】算法理论+实战之PCA降维

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
文文学霸·2022-11-22 21:56

《统计学习方法》极简笔记P4：朴素贝叶斯公式推导

《统计学习方法》极简笔记P4：朴素贝叶斯公式推导朴素贝叶斯基本方法通过训练数据集T={(x_1,y_1),(x_2,y_2),(x_N,y_N)...,(x_1,y_1)}学习联合概率分布P(X,Y)，
机器学习算法与Python实战·2022-11-22 19:43

统计学习方法第四章 朴素贝叶斯法公式推导

文章目录第四章朴素贝叶斯法朴素贝叶斯法的学习与分类后验概率最大化朴素贝叶斯的参数估计朴素贝叶斯算法流程第四章朴素贝叶斯法基于贝叶斯定理和特征条件独立假设的分类方法朴素贝叶斯法与贝叶斯估计是不同的概念生成模型与判别模型{生成模型：P(Y∣X)=P(X,Y)P(X)X,Y为随机变量判别模型：Y=f(X),P(Y∣X)\left\{\begin{aligned}&\text{生成模型}：P(Y|X)=\
亲持红叶·2022-11-22 19:13

python朴素贝叶斯分布对数据的要求_统计学习方法与Python实现（三）——朴素贝叶斯法...

统计学习方法与Python实现(三)——朴素贝叶斯法1、定义朴素贝叶斯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。
weixin_39661129·2022-11-22 18:24

统计学习方法——3. 朴素贝叶斯法（Naive Bayes, NB）

一、简介朴素贝叶斯用于解决分类问题。“朴素”：假设各个特征之间相互条件独立。朴素贝叶斯中有多概率连乘，所以为使得每一项不为0，引出了贝叶斯估计和拉普拉斯平滑。使用贝叶斯估计保证了所有连乘项概率大于0。连乘项范围均在0~1之间，会导致越乘越小，所以需要取对数。1.概率概念补充：概率是已知模型和参数，推数据。统计是已知数据，推模型和参数。似然函数：对于P(x∣θ)P(x|\theta)P(x∣θ)，x
要坚持写博客呀·2022-11-22 18:23

【李航统计学习笔记】第四章：朴素贝叶斯

（尾巴：补充一些例子）4.1直观理解条件概率例子4.1：女朋友和妈妈掉河里了，路人拿出来3颗豆,两颗红豆1颗绿豆。如果我抽中红豆救女朋友,抽中绿豆救妈妈。我和路人各自抽了一颗,路人发现自己抽中的是绿豆，他想用剩下的那颗和我换，我换不换？换不换豆女朋友活下去的概率一样吗？直觉来讲：换不换豆我抽中红豆的概率应该都是1/31/31/3。这时路人跟我说他的是绿豆,排除一颗,我抽中红豆的概率是1/21/21
西风瘦马1912·2022-11-22 18:23

《统计学习方法》极简笔记P4：朴素贝叶斯公式推导

朴素贝叶斯基本方法通过训练数据集T={(x1,y1),(x2,y2),(xN,yN)...,(x1,y1)}T=\{(x_1,y_1),(x_2,y_2),(x_N,y_N)...,(x_1,y_1)\}T={(x1,y1),(x2,y2),(xN,yN)...,(x1,y1)}学习联合概率分布P(X,Y)，即学习先验概率分布P(Y=ck),P(Y=c_k),P(Y=ck),条件概率分布P(X=x
机器学习算法与Python实战·2022-11-22 18:45

《机器学习实战》笔记——第四章：基于概率论的分类方法：朴素贝叶斯

1说明该书主要以原理简介+项目实战为主，本人学习的主要目的是为了结合李航老师的《统计学习方法》以及周志华老师的西瓜书的理论进行学习，从而走上机器学习的“不归路”。
圣西罗风之子·2022-11-22 15:53
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他