E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
统计学习
感知器的笔记(
统计学习
方法)
https://pan.baidu.com/s/1Z8BYJ92LrnAYHY7TGChImg感知器对偶形式还没有写,有时间补充上去
Matrixart
·
2022-11-22 15:20
工作记录
2021-11-04
MATLABscriptsforalternatingdirectionmethodofmultipliershttps://web.stanford.edu/~boyd/papers/admm/分布式计算、
统计学习
与
Mouse_Y
·
2022-11-22 07:11
算法
检测恶意软件分类模型中的概念漂移
统计学习
(StatisticalMac
知有cxy
·
2022-11-22 05:40
恶意代码分析
论文
人工智能
初面机器学习
ritterliu/article/details/54821300)习得机器学习:学习人的思维模式:根据已有数据(人的经验)进行分析,建立模型(掌握的规律),并进行预测应用:模式识别计算机视觉数据挖掘语音识别
统计学习
自然语言处理机器学习两大类监督学习
Nokaron
·
2022-11-22 03:06
初面机器学习
python
机器学习之决策树01
最近学习了唐宇迪老师关于决策树算法视频,感觉看了老师的视频,再结合李航老师《
统计学习
方法》书上的内容,还是能够有所理解的。一,决策树可以将决策树看成一个if-then规则的集合。
邵楷
·
2022-11-22 02:27
机器学习
决策树
机器学习
决策树
《
统计学习
方法》Chapter.7 支持向量机(SVM)
支持向量机支持向量机是二分类模型,与感知机思想类似,都是寻找一条分离超平面能够将数据分成两类,在线性可分数据集中,这种分离超平面有无数条,感知机只要求能够从无数条分离超平面中找到一条,而支持向量机要求能够从无数种分离超平面中找到“最优”的那一条。支持向量机可以根据数据的分布从简单模型推广到复杂模型:当数据集线性可分时,利用最简单的线性可分支持向量机即可;当数据集线性不可分,但是近似线性可分,就引出
taotaoiit
·
2022-11-21 23:52
统计学习方法笔记
学习方法
在计算机视觉方向如何快速提升自己?
如周志华老师的《机器学习》、李航老师的《
统计学习
方法》、《机器学习实践》、吴恩达老师的cs229、李宏毅老师的机器学习视频(B站就有
小白学视觉
·
2022-11-21 16:24
机器学习
人工智能
深度学习
计算机视觉
编程语言
实验——基于决策树算法完成鸢尾花卉品种预测任务
其中,Iris鸢尾花数据集是一个经典数据集,在
统计学习
和机器学习领域都经常被用作示例。
Sunburst7
·
2022-11-21 15:02
机器学习
决策树
算法
机器学习
统计学习
方法|朴素贝叶斯原理剖析及实现
原始blog链接:http://www.pkudodo.com/2018/11/21/1-3/前言《
统计学习
方法》一书在前几天正式看完,由于这本书在一定程度上对于初学者是有一些难度的,趁着热乎劲把自己走过的弯路都写出来
Dod_o_
·
2022-11-21 13:16
分类器
朴素贝叶斯
统计学习方法
统计学习
方法笔记(李航)———第四章(朴素贝叶斯法)
推荐阅读:小白之通俗易懂的贝叶斯定理(Bayes’Theorem)朴素贝叶斯法是一种多分类算法,它的基础是“朴素贝叶斯假设”(假设实例的各个特征具有条件独立性)。根据训练集估计模型的先验概率、条件概率,再按照后验概率最大化的准则,给出输入实例的分类预测。它的算法实现很简单,但理论证明并不容易。具体来说,通过极大似然估计法估计先验概率、条件概率,计算过程比较复杂,书上也没有给出。本章主要分为3个部分
越前浩波
·
2022-11-21 10:01
机器/深度学习
math
机器学习
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
·
2022-11-21 10:30
学习方法
人工智能
深度学习
自然语言处理
李航《
统计学习
方法》第二版-第四章 朴素贝叶斯
本来分为很多维度,互相有联系,利用贝叶斯变为相乘的形式,只需考虑当前维度和Y的关系,直接用频率就可数出。朴素:意味着做出了条件独立性的假设,但条件不可能都是独立的分母为分类讨论,分类讨论在求和要输出哪一种类别输出条件概率最大,为生成模式判别模型根据两者之间的差别,不需每个分别建立模型4.2.3贝叶斯估计sj如果取晴天、雨天、刮风,就取3,可能取值分子加,分子加k次,因此分母必须加K,才能使结果保持
so_kind
·
2022-11-21 10:26
分类
机器学习
人工智能
统计学习
方法--朴素贝叶斯法
与公众号同步更新,详细内容及相关ipynb文件在公众号中,公众号:AI入门小白补充:对于
统计学习
方法的第一章节的部分概念和数学公式已放置到公众号中,需要的朋友可直接去公众号中下载文章目录朴素贝叶斯法的学习与分类基本方法后验概率最大化的含义朴素贝叶斯法的参数估计极大似然估计学习与分类算法贝叶斯估计代码部分数据准备
三维虫子
·
2022-11-21 10:54
机器学习
python
机器学习
人工智能
算法
《
统计学习
方法》手撕决策树ID3,C4.5
废话不多说,直接上代码详细原理见《
统计学习
方法》第五章决策树总结importnumpyasnpclassDecisionTree(object):def__init__(self,tree_type):
Hilbob
·
2022-11-21 10:53
统计学习方法
决策树
学习方法
ID3
C4.5
学习笔记-《
统计学习
方法》-第四章-朴素贝叶斯
4朴素贝叶斯4.1.1朴素贝叶斯的学习与分类设输入空间X⊆Rn\mathcal{X}\subseteqR^nX⊆Rn为nnn维向量的集合,输出空间为类标记集合Y={c1,c2,...,ck}\mathcal{Y}=\{c_1,c_2,...,c_k\}Y={c1,c2,...,ck}。输入为特征向量x∈Xx\in\mathcal{X}x∈X,输出为类标记(classlabel)y∈Yy\in\ma
zoro-zhao
·
2022-11-21 10:52
学习
机器学习
算法
《
统计学习
方法》第四章——朴素贝叶斯 python实现
importnumpyasnpfromcollectionsimportCounterdata=[[1,'S',-1],[1,'M',-1],[1,'M',1],[1,'S',1],[1,'S',-1],[2,'S',-1],[2,'M',-1],[2,'M',1],[2,'L',1],[2,'L',1],[3,'L',1],[3,'L',1],[3,'M',1],[3,'M',1],[3,'L'
呱唧响
·
2022-11-21 10:52
机器学习
统计学习方法
朴素贝叶斯
python
分类
《
统计学习
方法》第四章朴素贝叶斯总结与习题
朴素贝叶斯定义: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。1.贝叶斯公式推导首先有条件概率公式如下:P(A∣B)=P(AB)P(B),P(B∣A)=P(AB)P(A)P(A|B)=\frac{P(AB)}{P(B)},P(B|A)=\frac{P(AB)}{P(A)}P(A∣B)=P(B)P(AB),P(B∣A)=P(A)P(AB)其中P(AB)P(AB)P(AB)为联合概率,两式消
Hilbob
·
2022-11-21 10:45
统计学习方法
学习方法
概率论
朴素贝叶斯
【病害识别】随机森林苹果病害识别【含Matlab源码 2211期】
⛄一、随机森林理论随机森林(RF)是一种基于
统计学习
理论的组合分类智能算法,由Breiman在2001年提出,其原理是利用Bootstrap重抽样方法从原始数据中抽取多个样本,构建所有Bootstrap
Matlab领域
·
2022-11-21 08:06
Matlab图像处理(进阶版)
随机森林
matlab
模型介绍-----MLP
参考文献:《西瓜书》、《
统计学习
方法》、以及知乎或CSDN部分博客感知机介绍M-P
35岁北京一套房
·
2022-11-21 06:49
神经网络
深度学习
机器学习
机器学习数学提要
高数上下册》●《概率论与数理统计浙大版》●《数理统计学简史》陈希孺●《矩阵分析与应用》张贤达●《凸优化(ConvexOptimization)》-StphenBoyd&LievenVandenberghe●《
统计学习
方法
yuanmengxinglong
·
2022-11-21 02:01
机器学习
机器学习
数学
优化
统计学
机器学习笔记(七)-神经网络:学习
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
·
2022-11-20 21:31
机器学习
机器学习
神经网络
深度学习
浅析李航老师-
统计学习
之有监督学习模型问题(本篇无深入)
1.统计学概论(三要素:模型,策略,算法):关于计算机基于数据结构概率统计模型并运用模型对数据进行预测与分析的学科特点:1.以计算机为平台2.以数据为研究对象,数据驱动学科3.目的是对数据进行预测和分析4.以方法为中心,构建模型并运用模型。5.多领域交叉回归问题:输入和输出变量均为连续变量的预测问题。标注问题:。。。。。。。。。变量序列的预测问题。分类问题:输出变量为有限个离散变量的预测问题。概率
木马苇
·
2022-11-20 19:44
算法
人工智能
自然语言处理
朴素贝叶斯0概率参数的
统计学习
定制方法
1、朴素贝叶斯的0概率问题很常见,因为一般情况下样本集只能趋近而不能达到全集,必然就会存在0概率的特征。特别是在类样本比例不均衡的情况下,0概率的处理对召回率和精确率的影响很大。2、贝叶斯0概率的处理方法一般采用拉普拉斯平滑,此方法在先验概率上偏向了小分类,在特征条件概率上偏向了大分类。这里需要理解拉普拉斯平滑的核心思想:平等对待新出现的样本与特征值。与M估计不同,这是保证整体先验概率得以稳步改进
思想的牛仔
·
2022-11-20 01:13
概率论
机器学习
算法
大数据
机器学习与数据挖掘
写在前面,本文主要以李航老师的《
统计学习
方法》内容为主,穿插数据挖掘知识,持续更新ing!总结比较1.1机器学习和数据挖掘的关系机器学习是数据挖掘的重要工具。
Weiyaner
·
2022-11-19 23:00
机器学习与数据挖掘
数据挖掘
机器学习
统计学习
方法笔记_cbr:第十一章:条件随机场
第十一章:条件随机场11.1概率无向图模型定义:联合概率分布满足成对,局部or全局Markov性,就称之为probabilisticundirectedgraphicalmodelorMarkovrandomfield;11.2条件随机场的定义与形式给定观测求状态;定义:若随机变量Y构成的无向图,对于任意结点满足Markovrandomfield,那么称其条件概率分布为条件随机场;11.3条件随机
chenburong2021
·
2022-11-19 23:42
统计学习方法笔记
学习
算法
机器学习
《
统计学习
方法》Chapter.6.1 逻辑斯谛回归(Logistic Regression)
Logistic回归Logistic分布设XXX是连续随机变量,XXX服从逻辑斯蒂分布是指XXX具有下列分布函数和密度函数:F(x)=P(X≤x)=11+e−(x−μ)/rf(x)=F′(x)=e−(x−μ)/rγ(1+e−(x−μ)/r)2F(x)=P(X\leqx)=\frac{1}{1+e^{-(x-\mu)/r}}\\f(x)=F^{'}(x)=\frac{e^{-(x-\mu)/r}}{
taotaoiit
·
2022-11-19 22:38
统计学习方法笔记
机器学习/深度学习入门建议
机器学习实战参考书籍:《
统计学习
方法》李航吴恩达机器学习笔记部分截图:第四阶段:深度学习1.吴恩达深度学习简介:这应该是最好的入门教程了神经
程序猿-饭饭
·
2022-11-19 19:16
python
人工智能
深度学习
逻辑回归
模式识别与机器学习 第一章 绪论
1956年夏天达特茅斯会议标志着人工智能学科的诞生人工智能之父约翰·麦卡锡基础:线性代数、概率统计、最优化理论交叉课程:图像处理、计算机视觉、数据挖掘、自然语言处理、多媒体技术参考书目:《机器学习》西瓜书《
统计学习
方法
synthesis_UMR
·
2022-11-19 17:15
学习笔记
深度学习
机器学习
数据挖掘 / 机器学习——决策树
《数据挖掘》国防科技大学《数据挖掘》青岛大学《机器学习》周志华《
统计学习
方法》李航数据挖掘/机器学习之决策树一、概述决策树(DecisionTree)是从一组无次序、无规则,但有类别标号的样本集中推导出的
木夕敢敢
·
2022-11-19 15:18
数据挖掘
机器学习
python
数据挖掘
决策树
【
统计学习
方法读书笔记】感知机的个人理解(1)
写在前面:在友人的推荐下,开始入李航老师的坑,《
统计学习
方法》。读到第二章,感知机,李航老师由浅入深让我有了很好的理解,现在自己总结一下思路。
Masec
·
2022-11-19 13:22
统计学习方法读书笔记
统计学习方法
读书笔记
感知机
《
统计学习
方法》-感知机模型学习笔记
用简单的方法学习——北北感知机模型描述这一部分主要介绍感知机是什么?假设输入空间(输入空间即为特征空间,由实例的各种特征组成)是χ⊆R*,输出空间是Y={-1,+1}。当输入x∈χ表示实例的特征向量,对应于输入空间(特征向量)的点,输出y∈Y表示实例的类别。由输入空间到输出空间的如下函数:f(x)=sign(w⋅x+b)其中,w和b为感知机模型,w∈R*叫做权值或权值向量(在多数情况下,w是一个列
闰土不用叉
·
2022-11-19 13:52
笔记
统计学习方法
感知机
统计学习
方法读书笔记:感知机
什么是感知机二分类的线性分类模型,输入是实例的特征向量,输出是实例的类别,取-1和+1两值。感知机对应于输入空间(特征空间)中将实例划分为正负两类的分离超平面,属于判别模型。感知机是神经网络和支持向量机的基础。模型的使用条件数据集需要是线性可分的,同时,如果数据集是线性可分的话,经过一定的迭代次数一定可以得到一个感知机模型,将正负例分离开。损失函数的定义一个自然的选择是误分类点的总数,但是这样的损
weixin_30287169
·
2022-11-19 13:16
数据结构与算法
人工智能
《
统计学习
方法》第二章:感知机
(听课记得笔记,大部分是课上的课件内容,发博客作为纪录方便查阅)感知机–入门垫脚石如果找不到好的直线,就要在差的线里面找到一个相对好的线(量化直线有多好)。再进一步就是如果我们把所有分错的点和直线的距离求和,让这段求和的距离最小,那么这条直线就是我们要找的直线。段落总结一条直线如果能一个点都不分错的话,就是一条好的分类直线。模型要尽可能的找到好的直线。如果没有好的直线,在差的直线中要找到好的直线。
乐乐什么都有
·
2022-11-19 13:44
统计学习方法
机器学习
算法
统计学习
方法笔记_cbr:第二章 感知机
第二章感知机目录第二章感知机2.1感知机模型2.2感知机学习策略2.2.1数据集的线性可分性;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感知机学习算法的原始形对偶式2.1感知机模型感知机是二类分类的线性分类模型,判别模型输入x(属于X)表示为实例的特征向量;对应与输入空间(特征空间)的点;输出y表示实例的类别取+1,-1;输入空间到输出空间的函数:f(
chenburong2021
·
2022-11-19 13:59
统计学习方法笔记
机器学习
人工智能
深度学习
统计学习
方法笔记(理论+实例+课后习题+代码实现):感知机
1引言1957年Rosenblatt提出感知机模型,它是神经网络和支持向量机的基础。其主要适用于分类任务,训练好的感知机模型可将数据集正确地分为两类:超平面以上为正类,超平面以下为负类(后面会讲到感知机是一个超平面)。它通过利用梯度下降法最小化损失函数的思想让感知机学习到最优的状态,使得数据集的误分类点个数为0。其优点主要体现在其算法实现相对简单。2理论2.1定义设输入特征向量为,感知机权重为,偏
Jackson_feng
·
2022-11-19 13:58
统计学习方法笔记
大数据
统计学习
方法笔记(一):感知机
统计学习
方法笔记(一):感知机前言:本文是基于李航老师《
统计学习
方法》的笔记~感知机学习的目的:求出将训练数据进行线性划分的分离超平面。
通辽码农
·
2022-11-19 13:26
统计学习
学习
支持向量机(Support Vector Machine,SVM)
支持向量机是一种基于
统计学习
理论的模式识别方法。SVM的目的是为了找到一个超平面,使得它能够尽可能多的将两类数据点正确的分开,同时使分开的两类数据点距离分类面最远。
少年心不定
·
2022-11-19 13:55
机器学习
支持向量机
人工智能
《
统计学习
方法》第五章决策树总结
目录1.简介2.决策树的分类2.1ID3算法2.1.1特征选择(信息增益)2.1.2算法步骤2.2C4.5算法2.2.1特征选择(信息增益比)2.2.2算法步骤2.3CART算法2.3.1分类树2.3.1.1特征选择(基尼指数)2.3.1.2算法步骤2.3.2回归树2.3.2.1特征选择(平方误差)2.3.2.2算法步骤3.决策树的剪枝3.1预剪枝3.2后剪枝1.简介决策树是一种基本的分类与回归方
Hilbob
·
2022-11-19 08:14
统计学习方法
决策树
ID3
C4.5
CART
统计学习
方法
第一章
统计学习
及监督学习概论如果一个系统能够通过执行某个过程改进它的性能,这就是学习-----Simon
统计学习
统计学习
的对象数据,具有一定的统计规律性,即具有某种共同性质,例如文章,互联网网页。
weixin_50810484
·
2022-11-19 06:07
笔记
统计学习
方法笔记七----决策树
前言决策树是通过一系列规则对数据进行分类的过程。它提供一种在什么条件下会得到什么值的类似规则(if-then)的方法。决策树分为分类树和回归树两种,分类数对离散变量做决策树,回归树对连续变量做决策树。本节主要讨论用于分类的决策树。在分类问题中,表示基于特征对实例进行分类的过程。它可以认为是定义在特征空间与类空间上的条件概率分布。其主要优点是模型具有可读性,分类速度快。学习时,利用训练数据,根据损失
爱科研的徐博士
·
2022-11-19 03:34
【算法】
统计学习方法
统计学
决策树
ID3
C4-5
CART
决策树实例-ID3
决策树-ID3实例参考书籍:《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
·
2022-11-19 03:44
算法
机器学习
决策树
高斯混合模型(GMM)浅入理解
学习的资料主要是看大佬的一些博客和李航老师的
统计学习
第九章,感谢!
匹诺曹患者
·
2022-11-19 00:58
机器学习
机器学习
算法
《
统计学习
方法》之朴素贝叶斯法思路整理
《
统计学习
方法》之朴素贝叶斯法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。1.朴素贝叶斯法的基本方法:输入空间:为n维向量的集合。
weixin_44650119
·
2022-11-17 13:12
统计学习方法
统计学习方法
朴素贝叶斯法
机器学习之Kmeans算法推导(EM算法)以及python实现
参考资料李航博士的《
统计学习
方法》这篇文章增加了EM算法推导以及Python实现1.Kmeans算法的推导模型:给定nnn个样本集合X=x1,x2,...,xnX={x_1,x_2,...,x_n}X=
董蝈蝈
·
2022-11-17 07:27
机器学习
算法
聚类
python
机器学习
深度学习
电信保温杯笔记——《
统计学习
方法(第二版)——李航》第11章 条件随机场
电信保温杯笔记——《
统计学习
方法(第二版)——李航》第11章条件随机场论文介绍概率无向图模型图模型马尔科夫性成对马尔科夫性局部马尔科夫性全局马尔科夫性概率无向图的定义概率无向图模型的因子分解团与最大团定义例子因子分解条件随机场条件随机场的定义线性链条件随机场条件随机场的形式参数化形式例子简化形式矩阵形式例子条件随机场的概率计算向前
电信保温杯
·
2022-11-16 13:47
机器学习
学习
概率论
机器学习
机器学习的分类与主要算法
从范围上来说,机器学习跟模式识别,
统计学习
,数据挖掘是类似的,同时,机器学习与其他领域的处理技术的结合,形成了计算机视觉、语音识别、自然语言处理等交叉学科。
安然烟火
·
2022-11-16 10:45
数据挖掘
算法
机器学习
决策树(Decision Tree)-机器学习ML
《
统计学习
方法》李航2.https://baike.baidu.com/item/%E5%86%B3%E7%AD%96%E6%A0%91/10377049?
HelloZEX
·
2022-11-16 09:28
机器学习
李航
统计学
算法
机器学习
决策树
隐马尔可夫模型python_隐马尔可夫模型HMM及Python实现
隐马尔可夫模型差不多是学习中遇到的最难的模型了,本节通过对《
统计学习
方法》进行学习并结合网上笔记,用Python代码实现了隐马模型观测序列的生成、前向后向算法、Baum-Welch无监督训练、维特比算法
欧希笛坦
·
2022-11-16 08:15
隐马尔可夫模型python
统计学习
方法笔记-隐马尔可夫模型(内含Python代码实现)
一马尔可夫模型我们通过一个具体的例子来介绍一下什么是马尔可夫模型我们假设天气有3种情况,阴天,雨天,晴天,它们之间的转换关系如下:(稍微解释一下这个图,我们可以这样认为,已知第一天是阴天,那第二天是阴天的概率是0.1,第二天是晴天的概率是0.3,第二天是雨天的概率是0.6)每一个状态转换到另一个状态或者自身的状态都有一定的概率。马尔可夫模型就是用来表述上述问题的一个模型。有这样一个状态链,第一天是
三岁就很萌@D
·
2022-11-16 08:45
统计学习方法
机器学习算法
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
·
2022-11-16 00:03
学习方法
人工智能
统计学
深度学习
上一页
13
14
15
16
17
18
19
20
下一页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他