统计学习

生物信息学的学习资源

最近在浏览大神写的教程的时候，也有留意到他们推荐的一些资源，下面我就总结一些我觉得比较好的一些：学习生物信息无外乎分为几大类：1.统计学习，2.NGS，3.编程，4,生物学知识.5.操作系统1.统计学：
小潤澤·2021-06-15 23:44

量化你的时间，让时间看得见

【如何做到量化反馈】现在有很多可以量化时间的工具，比如，可以统计学习时长的时光序等，利用工具记录学习时长，可以清楚的看
是阿羊同学哎·2021-06-14 23:55

2.什么是机器学习

ArthurSamuel机器学习对于某类任务T和性能度量P，如果一个计算机程序在T以上以P衡量的性能随着经验E而自我完善，那么我们称真个计算机程序在从经验E学习常见概念数据挖掘机器学习模式识别统计学习计算机视觉语音识别
etheon·2021-06-14 17:48

最大似然估计+最大后验估计+LR

最近有时间,我查了些资料,加深了一下对这俩的理解.统计学习要素再次读到统计学习方法[1]第一章,终于开始理解1.3节的内容.统计学习方法都是由模型,策略和算法构成的.(1)模型:这里的模型,其实指的是要学习的条件概率分布
MashoO·2021-06-14 12:56

《统计学习方法》笔记（一）：统计学习方法概论

统计学习统计学习的特点以计算机及网络为平台以数据为研究对象目的是对数据进行预测和分析以方法为中心（统计学习方法构建模型并应用模型进行预测和分析）多学科领域的交叉学科HerbertA.Simon对“学习”
蒋佳秋·2021-06-13 01:46

统计学习方法

研一上机器学习课程最后准备考试的时候看过一点点这本书，没有系统得看过，最近准备系统得看一遍，顺便写一些笔记，主要框架就是李航的《统计学习方法》这本书，参考了西瓜书的一点内容和一些博客，有一些关键部分的证明自己都照着书手推了一遍
和蔼的zhxing·2021-06-12 08:04

k近邻法的kd Tree搜索

最近在读李航老师的《统计学习方法》，读到第三章的k近邻算法时，在N>>k时遍历搜索比较费时，为了更高效的搜索可以采用kdTree的方式组织Training数据，我看到一篇博客，前面的图示理解部分说的比较到位
jhttroy·2021-06-12 00:51

统计学习方法第二章：感知机(perceptron)算法及python实现

统计学习方法第二章：感知机(perceptron)算法及python实现统计学习方法第三章：k近邻法(k-NN),kd树及python实现统计学习方法第四章：朴素贝叶斯法(naiveBayes)，贝叶斯估计及
无限大的饿·2021-06-11 05:02

统计学习方法第四章：朴素贝叶斯法(naive Bayes)，贝叶斯估计及python实现

统计学习方法第二章：感知机(perceptron)算法及python实现统计学习方法第三章：k近邻法(k-NN),kd树及python实现统计学习方法第四章：朴素贝叶斯法(naiveBayes)，贝叶斯估计及
无限大的饿·2021-06-10 09:44

统计学习方法——修炼学习笔记21：PageRank算法

PageRank算法是图的链接分享的代表性算法，属于图数据上的无监督学习方法。PageRank可以定义在任意有向图上，后来被应用到社会影响力分析、文本摘要等多个问题。是在有向图上定义一个随机游走模型，即一阶马尔可夫链，描述随机游走者沿着有向图随机访问各个结点的行为。在一定条件下，极限情况访问每个结点的概率收敛到平稳分布，这时各个结点的平稳概率值就是其PageRank值，表示结点的重要度。PageR
Sam_L·2021-06-09 17:58

Dijsktra算法与Viterbi算法对比

用李航老师《统计学习方法》第186页中的HMM+Viterbi例子来分析。ScreenShot2020-06-05at9.34.13PM.png这个例子可以转化为求解下图的最优路径。
橙子_80c3·2021-06-09 07:31

统计学习导论 ·第2章·Statistical Learning

预测不易，预测未来更不易。---YogiBerra2.1统计模型建模变量：数学表达式输入变量（inputvariable),又称预测变量（predictor）、自变量（independent）、属性（feature）输出变量（outputvariable）,又称响应变量（response）、因变量（dependent）2.1.1WhyEstimatef?为什么要估计f预测（prediction）f
富士山下裸奔·2021-06-07 23:02

统计学习方法第三章：k近邻法(k-NN),kd树及python实现

统计学习方法第二章：感知机(perceptron)算法及python实现统计学习方法第三章：k近邻法(k-NN),kd树及python实现统计学习方法第四章：朴素贝叶斯法(naiveBayes)，贝叶斯估计及
无限大的饿·2021-06-06 14:11

机器学习吴恩达——第一周

1.1WelcometoML列举了一些机器学习常见的应用，如：1.手写识别2.垃圾邮件分类3.图像处理4.搜索引擎......据我看来，模式识别，统计学习，数据挖掘，计算机视觉，语音识别，自然语言处理等领域都与机器学习有很深的关联
荔枝葡萄干·2021-06-06 05:11

统计学习方法第五章：决策树(decision tree),ID3算法，C4.5算法及python实现

统计学习方法第二章：感知机(perceptron)算法及python实现统计学习方法第三章：k近邻法(k-NN),kd树及python实现统计学习方法第四章：朴素贝叶斯法(naiveBayes)，贝叶斯估计及
无限大的饿·2021-06-05 23:51

机器学习-6 Logistic Regression【附代码】

返回主页LogisticRegression是统计学习的经典分类算法，是一种对数线性模型。
Eric_i33·2021-06-05 11:35

面经

介绍课题文档结构识别是否能做表格的检查如何构造表格的查和功能介绍腾讯实习损失函数多分类的损失函数二分类的损失函数统计学习基础手推logistics回归手推svmsvm函数间隔和几何间隔k-means和k
灰化肥发黑会挥发·2021-06-04 11:35

第 1 章 机器学习基础引言

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）。
python基础机器学习·2021-06-04 01:51

机器学习的学习经验总结！

Part1机器学习相关概念现如今，关于人工智能（AI）领域出现了很多眼花缭乱的名词，包括机器学习，统计学习，数据科学，数据分析，数据挖掘，深度学习等。这些名词都是什么意思？有什么作用?这
Datawhale·2021-05-31 22:00

【机器学习笔记十】 隐马尔科夫模型（HMM）

一、基本定义隐马尔科夫模型（HMM）是可用于标注问题的统计学习模型，描述由隐藏的马尔科夫链随机生成观测序列的过程，即描述一个含有隐含未知参数的马尔可夫过程，属于生成模型。马尔可夫性质：无记忆性。
猛男Banana君·2021-05-29 19:48

统计学习方法 | 朴素贝叶斯法

01分类方法之前我们学习了一种分类方法——K近邻法(KNN)，今天我们再学习一种更常用的分类方法朴素贝叶斯法这里，我们先区分一下“分类”和“聚类”分类的目的是学会一个分类函数或分类模型(也常常称作分类器)，该模型能把新输入的数据映射到给定类别中的某一个类中。聚类(clustering)是指根据“物以类聚”原理，将本身没有类别的样本聚集成不同的组(簇)，并且对每一个这样的簇进行描述的过程。它的目的是
邓莎·2021-05-18 09:43

百面机器学习之特征工程

百面机器学习系列主要是针对面试算法的一些问题，该系列主要面对面试中的一些机器学习算法问题:目录1.统计学习和机器学习的联系2.为什么需要对数值类型的特征做归一化？
柳小葱·2021-05-14 16:00

医学生的统计学习·前言

医学统计学是每个医学生的必修课，学完以后虽然考过了，但是扪心自问又学会了么？以前我知道自己不懂，但是觉得也没什么影响，毕竟我们有SPSS这个软件，把数据整理好，放进去，点几个按钮，TADA~，搞定。说实话，能够把一堆乱糟糟的数据整理好，送进SPSS，知道点哪几个按钮，已经可以让你位于统计水平排行榜中位以上的水平了。我以前也一直觉得自己应该不需要学得多深入了。直到我接了一门叫做护理研究的课程，我发现
路人乙小明·2021-05-14 14:40

ml笔记4：SVM概念理解

本文纯理论，来源于AndrewNg公开课和李航的《统计学习方法》。
董泽润·2021-05-14 13:29

GMM的世界，你不懂？(上篇)

其实在统计学习世界里，GMM有高美美和广美美之分，GaussianmixturemodelvsGeneralizedmomentmethod.当然不是每个美美都是我们谈论的话题。
史春奇·2021-05-13 04:04

CH1 统计学习方法概论|1.8分类问题《统计学习方法》-学习笔记

文章原创,最近更新：2018-06-201.什么是二分类?2.TP/FN/FP/TN3.精确率Precision、召回率Recall和F1值4.总结参考链接:1、谈谈准确率（P值）、召回率（R值）及F值2、深度学习基础知识04-二分类问题3、准确率、精确率和召回率前言：通过网上找的文章,通过归纳总结具体如下:1.什么是二分类?先来介绍什么是二分类问题。在二分类问题中，通常分类的结果只有两个:是(Y
努力奋斗的durian·2021-05-12 03:20

第十五章15.2矩阵奇异值分解基本定理

文章目录本章内容奇异值分解基本定理前提假设证明例题本课程来自深度之眼，部分截图来自课程视频以及李航老师的《统计学习方法》第二版。
oldmao_2001·2021-05-11 19:25

第十五章15.1矩阵奇异值分解步骤

文章目录本章内容矩阵的奇异值分解正交矩阵矩阵的奇异值分解矩阵的满秩分解本课程来自深度之眼，部分截图来自课程视频以及李航老师的《统计学习方法》第二版。
oldmao_2001·2021-05-10 20:08

CH4朴素贝叶斯法|《统计学习方法》-学习笔记

文章原创,最近更新：2018-06-231.分类问题综述2.概率基础3.朴素贝叶斯分类4.贝叶斯推断5.案例参考链接:1、CH10分类|10.1朴素贝叶斯《白话大数据与机器学习》-学习笔记2、带你理解朴素贝叶斯分类算法3、机器学习(10)之趣味案例理解朴素贝叶斯4、朴素贝叶斯分类和预测算法的原理及实现前言：通过网上找的文章,通过归纳总结具体如下:1.分类问题综述贝叶斯分类是一类分类算法的总称，这类
9e3ff1e0e2cf·2021-05-10 01:22

EM算法系列(五)-三硬币问题

整理自李航老师的《统计学习方法》一书1、引言概率模型有时既含有观测变量，又含有隐变量或潜在变量，如果概率模型的变量都是观测变量，那么给定数据，可以直接用极大似然估计法，或贝叶斯估计法估计模型参数，但是，
文哥的学习日记·2021-05-08 10:46

浅谈机器学习业务方面使用 R + Hadoop 是否可靠

R：R的应用场景不在于无与伦比的统计学习能力，
值得一看的喵·2021-05-08 03:47

集成学习系列(二)-AdaBoost算法原理

根据李航老师的《统计学习方法》一书整理。1、提升方法的基本思路提升方法基于这样一种思路：对于一个复杂任务来说，将多个专家的判断进行适当的综合所得出的判断，要比其中任何一个专家单独的判断好。
文哥的学习日记·2021-05-04 21:13

支持向量机

支持向量机0.引言本文主要参考了李航的《统计学习方法》。是本人学习支持向量机的学习笔记。
吴金君·2021-05-03 22:05

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
云时之间·2021-05-03 06:53

CART构建与剪枝

我们的例子是李航的《统计学习方法》
付剑飞·2021-05-03 02:03

2018-04-21

实现统计学习方法的步骤得到有限的数据训练集学习模型的集合：确定包含所有可能的模型的假设空间学习策略：确定模型选择的准则学习算法：实现求解最优模型的算法模型选择评估训练误差：期望风险，经验风险，经验风险最小化
5fb8f07b9fa0·2021-05-02 11:10

机器学习入门资料(免费高清pdf-持续更新中)

1.机器学习相关机器学习(周志华):链接:https://pan.baidu.com/s/1BrO4YMVd23g8hypSKREa-w提取码:95ke统计学习方法（李航）：链接:https://pan.baidu.com
wz的技术窝·2021-04-30 22:55

Python 支持向量机

学习目标：Python代码实现向量机学习内容：支持向量机，是属于统计学习中的一种常见算法，但这种算法如果使用计算器计算的话也是浪费时间，哪怕是用计算机计算，也会很麻烦，所以使用代码来进行计算，简单快捷。
Merliang·2021-04-29 21:19

简明数据科学 第二部分：统计学习的关键概念

首先，将定义什么是统计学习。然后
TalkingData·2021-04-27 23:49

【笔记】《统计学习方法》

结果居然还不支持Latex和目录TOC、、、公式比较多的只好用CSDN了，本文只记目录的CSDN链接  《统计学习方法》是学习机器学习原理的“必修课”，抽出点时间把之前看的时候的标注数字化一下，供自己以后回忆用
PancakeCard·2021-04-27 08:31

朴素贝叶斯简单实现（c++）

根据《统计学习方法》以例4.1的数据为例实现的朴素贝叶斯。感觉最后计算比较时候可以避免使用double，但是为了思路清晰就这样把。
gibyeng·2021-04-25 13:52

李航老师《统计学习方法》第二版第七章课后题答案

1、比较感知机的对偶形式与线性可分支持向量机的对偶形式。1.1、感知机的对偶形式由于李航老师书上的感知机的对偶形式有点问题，这里先对其进行一下改进最后学习到的感知机的参数是：w=∑i=1Nαiyixi(1)w=\sum_{i=1}^{N}\alpha_{i}y_{i}x_{i}\tag{1}w=i=1∑Nαiyixi(1)b=∑i=1Nαiyi(2)b=\sum_{i=1}^{N}\alpha_{
六七～·2021-04-23 16:35

统计学习方法读书笔记——第二章 感知机

概述感知机（perceptron）是二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别。感知机对应于输入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。2.1感知机模型定义：感知机是一种线性分类模型，属于判别模型。假设空间是定义在特征空间中所有线性分类模型，即函数集合。感知机的几何解释：2.2感知机学习策略2.2.1数据集的线性可分性线性可分：存在某个超平面能够将数据集的正实例
Jarkata·2021-04-23 13:30

【统计学习方法读书笔记与算法实现】2-KNN算法

KNN算法的基本思路：给定一个训练数据集，对于新的输入实例，在训练数据集中找到与该实例最邻近的k个实例，这k个实例的多数属于某个类，就把这个输入实例分为这个类。三个核心要素：k：邻近的实例个数距离：如何度量新的输入实例与训练集中样本的距离【如何度量两个样本点的相似程度】对于n维实数向量空间Rn，使用欧氏距离；其他的距离/相似度度量方法有：http://www.cnblogs.com/daniel-
Macroholica·2021-04-23 06:03

支持向量机 Support Vector Machine

支持向量机（SVM）是90年代中期发展起来的基于统计学习理论的一种机器学习方法，通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下，亦能获得良好统计规律的目的
Skye_kh·2021-04-22 06:37

7 支持向量机SMO算法（python代码）

原理参考：https://zhuanlan.zhihu.com/p/77750026SMO算法python代码公式参考统计学习方法第7章importnumpyasnpimportpandasaspdfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitimportmathdefcrea
奋斗的喵儿·2021-04-21 16:09

统计学习方法第一章笔记

1.3统计学习三要素1.3.2策略损失函数和风险函数。损失函数度量模型一次预测的好坏，风险函数度量平均意义下模型预测的好坏。
_爱碎碎碎碎念·2021-04-20 11:48

ISLR细读-01

Python棒棒棒，然而在简明扼要地理解机器学习/深度学习的基石，即：统计学习(StatisticalLearning)上，R会更加直白:R语言和RStudio相得益彰，Python和JupyterNotebook
Arrowmiles·2021-04-20 00:55

主成分分析PCA算法(相关矩阵的特征值分解算法和数据矩阵的奇异值分解算法)

下文截图来自：《统计学习方法第2版》李航   PCA利用正交变换把由线性相关的变量表示的观测数据转换为少数几个由线性无关变量表示的数据，线性无关的变量称为主成分。
#苦行僧·2021-04-19 21:25

李航老师《统计学习方法》第二版第六章答案

1、确认逻辑斯谛分布属于指数分布族。证明：逻辑斯谛分布的概率密度函数是：f(x)=e−(x−μ)/γγ(1+e−(x−μ)/γ)2(1)f(x)=\frac{e^{-(x-\mu)/\gamma}}{\gamma(1+e^{-(x-\mu)/\gamma})^{2}}\tag{1}f(x)=γ(1+e−(x−μ)/γ)2e−(x−μ)/γ(1)而指数族分布是指概率密度函数可以表示为下面的形式：p(
六七～·2021-04-19 16:35
上一页 20 21 22 23 24 25 26 27 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他