统计学习

文本分类入门

Show=All文本分类入门(一)文本分类问题的定义文本分类系列文章，从文本分类问题的定义开始，主要讲解文本分类系统的构成，主流的统计学习方法以及较为优秀的SVM算法及其改进
LarryNLPIR·2023-10-11 10:22

机器学习代码实现篇——SVM

主体推导是根据李航老师《统计学习方法
lavendelion·2023-10-11 00:17

运用逻辑回归进行手写数字识别（基于R语言）

根据《统计学习导论》4.3.5响应分类数超过2的逻辑回归里的表述，当响应变量的水平数量大于2时，依然可以把二分类的逻辑回归推广到多分类，例如当Y可取1、2、3时，可利用概率的性质P(Y=1|X)=1-P
fanshunxing·2023-10-10 05:10

Godbolt配置tasking编译器

Java开发环境掌握Java基本语法掌握条件语句掌握循环语句学习时间：提示：这里可以添加计划学习的时间例如：周一至周五晚上7点—晚上9点周六上午9点-上午11点周日下午3点-下午6点学习产出：提示：这里统计学习计划的总量例如
woruyu999000·2023-10-09 23:24

《统计学习方法》学习笔记之第二章:感知机

目录第一节模型介绍和学习策略模型介绍学习策略第二节梯度下降法概念算法梯度下降法：例子原理第三节学习算法之原始形式学习问题原始形式例题分析第三节学习算法之对偶形式对偶形式例题分析第四节原始形式算法的收敛性第一节模型介绍和学习策略模型介绍输入空间：;输入：输出空间：;输出：感知机：其中，称为权值(Weight),称为偏置(Bias),表示内积假设空间：线性方程：特征空间中的一个超平面S(超平面比特征空
资料加载中·2023-10-07 05:23

《统计学习方法》学习笔记之第一章

统计学习方法的学习笔记：第一章目录第一节统计学习的定义与分类统计学习的概念统计学习的分类第二节统计学习方法的基本分类监督学习无监督学习强化学习第三节统计学习方法三要素模型策略第四节模型评估与模型选择训练误差与测试误差过拟合与模型选择第五节正则化和交叉验证正则化
资料加载中·2023-10-07 05:52

统计学习方法概论

1.统计学习统计学习包括监督学习、非监督学习、半监督学习、强化学习输入空间：输入变量取值的集合输出空间：输出变量取值的集合特征空间：所有特征向量存在的空间分类问题：输出变量为有限个离散变量的预测问题回归问题
slsefe·2023-10-06 23:38

梯度下降参数不收敛_数据分析|梯度下降算法

OX00统计学习三要素统计学习三要素：模型、策略、算法模型（=假设空间=所有备选模型）：决策函数（y=f（x）），条件概率分布，两种形式（一种是判别式模型，一种是生成式模型）策略：确定标准，决定最优标准最重要是确定损失函数
weixin_39622891·2023-10-06 13:45

统计学习笔记——统计学习三要素

参考书：《统计学习方法》——李航统计学习的三要素为：模型、策略、算法。写在前面的话：以下以监督学习为基础来进行论述。
Fiona_ll·2023-10-05 20:08

李沐动手学深度学习-过拟合和欠拟合

模型容量拟合各种函数的能力低容量的模型难以拟合训练数据高容量的模型可以记住所有的训练数据模型容量的影响估计模型容量难以在不同的种类算法之间比较：例如树模型和神经网络给定一个模型的种类，将有两个主要因素：参数的个数，参数值的选择范围VC维统计学习理论的一个核心思想对于一个分类模型
啥都想学点的研究生·2023-10-05 18:18

【AI】大数据机器学习—统计学习及监督学习概论

统计学习包括监督学习、无监督学习、半监督学习和强化学习。参考书是李航的《统计学习方法》，该书主要讨论监督学习。统计学习作为一个研究领域，主要包括统计学习方法、统计学习理论和统计学习应用。
CSU_DEZ_THU·2023-10-05 07:26

极大似然估计概念的理解——统计学习方法

目录1.最大似然估计的概念的理解12.最大似然估计的概念的理解23.最大似然估计的概念的理解34.例子1.最大似然估计的概念的理解1最大似然估计是一种概率论在统计学上的概念，是参数估计的一种方法。给定观测数据来评估模型参数。也就是模型已知，参数未定。已知某个随机样本满足某种概率分布，但是其中具体参数不太清楚，参数估计通过若干次的实验，观察其结果，利用结推出参数的大概值。最大似然估计是建立在这样的思
阿波拉·2023-10-04 14:38

深度学习——模型选择、欠拟合和过拟合

深度学习——模型选择、欠拟合和过拟合文章目录前言一、训练误差和泛化误差1.1.统计学习理论1.2.模型复杂性二、模型选择2.1.验证集2.2.K折交叉验证三、欠拟合or过拟合3.1.模型复杂性3.2.数据集大小四
星石传说·2023-09-30 20:35

机器学习之支持向量机(SVM)

1.概述支持向量机(SupportVectorMachine,也称为支持向量网络)是一种二分类模型.它源于统计学习理论,是一个强学习器.从分类效力来看,SVM无论在处理线性还是非线性分类中,都是明星般的存在
uodgnez·2023-09-29 05:35

李航老师《统计学习方法》第6章阅读笔记

逻辑斯谛回归（logisticregression）是统计学习中的经典分类方法。最大熵是概率模型学习的一个准则，将其推广到分类问题得到最大熵模型（maximumentropymodel）。
Chen_Chance·2023-09-29 01:17

SVM发展历史、现状、未来趋势

起决定性作用的样本为支持向量1971年，Kimeldorf构造基于支持向量构建核空间的方法1995年，Vapnik等人正式提出统计学习理论。
席八·2023-09-27 09:46

《统计学习方法》SVM约束最优化的错误

函数间隔和几何间隔的不同按照统计学习方法这本书的说法函数和几何间隔之间其实是一个线性的映射其中是函数间隔，是几何间隔而且几何间隔的定义是其实我觉得他这样定义有问题约束最优化问题的表达无法理解书上说原问题可以表述为下面的最优化问题但是其实约束项的左右两边是一样的
pipicold·2023-09-27 09:45

李航老师《统计学习方法》第1章阅读笔记

1.1统计学习统计学习的特点统计学习：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与分析现在人们提及机器学习时，往往指统计机器学习，所以可以认为本书介绍的是机器学习方法统计学习的对象统计学习研究的对象是数据
Chen_Chance·2023-09-27 01:13

ICASSP 2023 | 解密实时通话中基于 AI 的一些语音增强技术

作为RTC方案中不可或缺的技术，语音增强技术正从传统的基于统计学习的方案向基于深度学习的方案融合演进，利用AI技术，可以在语音降噪、回声消除、干扰人声消除等方面实现更
字节跳动技术团队·2023-09-24 14:18

李航老师《统计学习方法》第五章阅读笔记

决策树（decisiontree）是一种基本的分类与回归方法。本章主要讨论用于分类的决策树。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。以下是关于分类决策树的一些基本概念和特点：树形结构：决策树模型呈现为一种树状结构，其中包括根节点、内部节点和叶子节点。每个节点表示一个特征或属性，每个边表示一个特征值或属性值的判断条件。从根节点开始，通过遵循不同的条件路径，最终到达叶子节
Chen_Chance·2023-09-24 00:50

李航老师《统计学习方法》第四章阅读笔记

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。朴素贝叶斯法是一种用来进行分类的方法，它基于两个重要的假设：贝叶斯定理和特征条件独立假设。贝叶斯定理：贝叶斯定理是一种用来估计事件发生概率的数学原理。它告诉我们如何根据已知的信息来计算未知事件的概率。在分类问题中，我们希望找到最有可能的类别，贝叶斯定理帮助我们基于已知信息来估计这些概率。特征条件独立假设：这是朴素贝叶斯法的一个关键假设，它有
Chen_Chance·2023-09-23 19:15

Hoeffing不等式

在李航老师的统计学习方法（第一版中）Hoeffing不等式Hoeffing不等式Hoeffing不等式是这样子给出的设X1,X2,...,XNX_1,X_2,...,X_NX1,X2,...,XN是独立随机变量
Chen_Chance·2023-09-23 07:40

李航老师《统计学习方法》第2章阅读笔记

感知机（perceptron）时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，取+1和-1二值。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想象一下在一个平面上有一些红点和蓝点，这些点代表不同的类别。分离超平面就是一条线，可以将红点和蓝点分开，使得所有的红点都在一侧，而蓝点都在另一侧。这条线（或者平面，对于高维数据）被称为分离超平面。2.1感知机模型定义2
Chen_Chance·2023-09-22 21:40

朴素贝叶斯(NBM)之后验概率最大化的含义 | 统计学习方法

朴素贝叶斯-贝叶斯估计Python复现：舟晓南：朴素贝叶斯（Bayes）模型python复现-贝叶斯估计；下溢出问题在《统计学习方法》一书中，详细说明了后验概率最大化与期望风险最小化之间的关系，深入地说明了后验概率最大化的含义
舟晓南·2023-09-21 23:39

数据挖掘note（1）

数据挖掘一般分为机器学习和统计学习，大数据学的课程一般是关于机器学习，我们学的浅，主要关于统计学习，示意图如下所示：这是一个大数据时代，但是数据挖掘的利用率不足0.5%，可见数据挖掘的空间巨大！
术业有专攻，闻道有先后·2023-09-21 05:47

向前logistic回归与向后筛选出一样的变量_生存分析之Cox回归

转自个人微信公众号【Memo_Cleon】的统计学习笔记：生存分析之Cox回归。随访资料的生存分析是一个很大的题目。从分析的因素上看，有单因素分析和多因素分析。
weixin_40001395·2023-09-21 04:31

两个自变量和一个因变量spss_SPSS学习笔记：因变量二分类资料的logistic回归分析...

转自个人微信公众号【Memo_Cleon】的统计学习笔记两个概念：RR和OR二分类资料的logistic回归SPSS操作示例几个需要注意的问题：样本量、哑变量、模型拟合效果和拟合优度检验、多重共线【1】
weixin_39524741·2023-09-21 04:31

统计学习第四弹--随机变量的概率分布

关于随机变量概率分布的重要概念：概率：对事件的发生的可能性大小的度量值随机变量：事先不能确定其取值的变量离散型随机变量：只能取有限个值的随机变量连续型随机变量：可以取一个或多个区间中任何值的随机变量期望值：随机变量的平均取值，求法是取值乘以取值概率，是一种加权的平均数随机变量的方差：随机变量的每一个取值与期望值的离差平方的期望值参数：对总体特征的某个概括性度量统计量：对样本特征的某个概括性度量，是
自由的行走·2023-09-20 13:21

应届生校招经验汇总（主银行）

按照时间轴来写，从2019年七月份开始，到2019年12月结束我是武汉一名高校的研究生，2019年2月开始接触机器学习的内容，起先读了李航的《统计学习方法》，之后陆续读了西瓜书、python数据结构、算法第四版前几部分章节和
白色纯度·2023-09-19 06:43

svm

支持向量机是建立在统计学习理论基础之上的新一代机器学习算法，支持向量机的优势主要体现在解决线性不可分问题，它通过引入核函数，巧妙地解决了在高维空间中的内积运算，从而很好地解决了非线性分类问题。
gyDBD·2023-09-17 12:13

图像分割|机器学习 2019-05-09

本周计划1.看完代码2.学习统计学习方法1.代码●permute函数：a=rand(2,3,4);%这是一个三维数组，各维的长度分别为：2，3，4；%现在交换第一维和第二维：permute(A,[2,1,3
Rlinzz·2023-09-16 13:02

概率有向图模型（一）

文章目录前言概率有向图模型验证回到书中隐马尔可夫模型信念网络朴素贝耶斯总结前言经过前面的复习，我们把李航老师的《统计学习方法》中的监督学习部分回顾了一遍，接下来我们在此基础上，开始学习邱锡鹏老师的《神经网络与深度学习
赛文忆莱文·2023-09-14 12:05

《统计学习方法》阅读笔记及代码实现-Ch2

0.前言寒假参加夏令营的时候，老师就说过深度学习其实最开始的原型就是感知机，不过是多加了一些层而已。虽然不知道多加了几层为什么work，但是它的效果就是比传统的可证明的方法来的好，这也掀起了如今的AI狂潮+深度学习遍地走，你如果不会点机器学习算法，估计是招不到研究生的(玩笑话..并且机器学习也只是一种工具而已，没有那么玄乎其神)。一定要好好的钻研最经典的算法，从中汲取到养分，才能拥有核心的竞争力。
Muyun99·2023-09-13 10:14

概率论与数理统计学习笔记——day4

目录一.条件概率的定义二、乘法定理三、全概率公式四、贝叶斯(Bayes)公式一.条件概率的定义2.条件概率的基本性质3.条件概率的其它性质：二、乘法定理三、全概率公式四、贝叶斯(Bayes)公式
悠哉的zju·2023-09-09 02:17

概率论与数理统计学习笔记之——概率论的基本概念

概率论的基本概念1、随机试验随机试验具有以下特点：可以在相同的条件下重复地进行；每次试验的可能结果不止一个，并且能事先明确试验的所有可能结果；进行一次试验之前不能确定哪一个结果会出现。2、样本空间、随机事件2.1、样本空间我们将随机试验E的所有可能结果组成的集合成为E的样本空间，记为S。样本空间的元素，即E的每个结果，称为样本点。2.2、随机事件一般，我们称试验E的样本空间S的子集为E的随机事件，
前丨尘忆·梦·2023-09-09 02:17

概率论与数理统计学习笔记——概率的数学定义，乘法公式，条件概率，全概率，贝叶斯公式，事件的独立性

概率的数学定义：我们能够理解的概率的定义是：某个事件发生的可能性的大小。但是这不是数学定义，其实概率的定义不好正面描述，我的老师在上课的时候也只给出了其的特点，相当于侧面描述：1.任何一个事件发生的概率一定大于等于0，即P(A)>=0.2.必然事件发生的概率为1，P(Ω）=1.3.对于两两互不相容的可列无穷多个事件A1，A2，……，An有P(A1UA2UA3UA4…UAn)=P(A1)+P(A2)
HiSi_·2023-09-09 02:46

概率论与数理统计学习笔记（7）——全概率公式与贝叶斯公式

目录1.背景2.全概率公式3.贝叶斯公式1.背景下图是本文的背景内容，小B休闲时间有80%的概率玩手机游戏，有20%的概率玩电脑游戏。这两个游戏都有抽卡环节，其中手游抽到金卡的概率为5%，端游抽到金卡的概率为15%。已知小B这天抽到了金卡，那么请问他是在手机上抽到的还是在电脑上抽到的？2.全概率公式上述问题中，我们先考虑小B抽到金卡这件事的概率，设玩电脑的概率为P(c)P(c)P(c)，玩手机的概
野指针小李·2023-09-09 02:45

【scikit-learn】06：make_blobs聚类数据生成器

【scikit-learn】01：使用案例对sklearn库进行简单介绍【scikit-learn】02：使用sklearn库进行统计学习【scikit-learn】03：将sklearn库用于非监督性学习聚类
weixin_30791095·2023-09-08 06:14

学期计划

学期计划一、学好校内课程内容，保证课程成绩二、在网站上跟着上完斯坦福开放的自然语言课程和深度学习课程三、看完自然语言处理综述以及弄懂统计学习方法书籍，进行实践，其中忘记或不懂的统计、代数知识及时进行补充四
敲可爱的小超银·2023-09-07 07:38

（八）从零开始学人工智能--统计学习：统计学习基础知识

统计学习基础知识文章目录统计学习基础知识1.统计学习种类1.1监督学习1.1.1分类问题1.1.2回归问题1.2非监督学习2.统计学习中的基本概念2.1统计学习三要素：模型，策略，算法2.2欠拟合和过拟合
小花技术大本营·2023-09-06 05:35

《数字时代的学与教》第二模块共读心得

学完第二模块后，我明白了，其实教师首先要学会安心“放下技术”，技术不在于多，而在于“简洁够用”，一节好的课堂，信息技术会快速准确地帮我们搜集统计学习数据，让我们更好地做出合适的教学决策，同时利于作品的收集与比较
屏西小学杨昕·2023-09-06 02:14

【机器学习实践】隐马尔可夫模型（二）Viterbi算法

隐马尔可夫模型的预测问题已知一条可见层状态链，推导出最有可能的隐藏层状态链Viterbi算法维特比算法通过：全局最大概率必在每步优化时取得最大概率参考资料：《统计学习方法》李航清华大学（ppt）python
不给自己画饼·2023-09-05 22:05

表示学习与深度学习

西瓜书、统计学习方法以及花书第二部分都已经草草看过一遍，前后历时大概3个月，期间也根据Hands-on一书敲了一些代码实现简单的模型。至此可说对于机器学习算是入了门了。
单调不减·2023-09-05 11:43

机器学习知识点总结

目录一、机器学习：二、统计学习：1.统计学习概念：1.1统计学习步骤：1.2统计学习特点：1.3统计学习目的：1.4统计学习的分类2.统计学习三要素：2.1模型：2.2策略：2.3算法：3.模型的评估4
Flechazo_lalala·2023-09-05 06:56

d2l_notes_ch3-ch4

目录3.线性神经网络3.1线性回归3.2softmax回归4.多层感知机3.线性神经网络经典统计学习技术中的线性回归和softmax回归可以视为线性神经⽹络。
子诚之·2023-09-04 19:29

EM算法总结（一）

参考：文曲经典：统计学习方法-李航参数分析θ=[P(z1∣x),P(z2∣x),⋯ ,P(zm∣x),P(y1∣z1,x),P(y2∣z1,x),⋯ ,P(yn∣z1,x),P(y1∣z2,x)⋯ ,P
赛文忆莱文·2023-09-04 16:13

1.统计学习及监督学习概论

1.1统计学习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与分析的一门学科。统计学习也称为统计机器学习。
徴徴南风·2023-09-03 23:55

4. 深度学习-损失函数

1.经验风险,期望风险,结构风险如何选择最优参数和评价一组参数是最优的，这就是机器学习中的策略，也就是性能度量P,在李航的《统计学习方法》和周志华的《机器学习》中开篇都曾讲过，这里不再详细介绍。
李涛AT北京·2023-09-03 11:38

统计学补充概念-13-逻辑回归

概念逻辑回归（LogisticRegression）实际上是一种用于解决分类问题的统计学习方法，尽管其名称中带有"回归"一词，但它主要用于处理分类任务。
丰。。·2023-08-29 03:02

最大熵模型详细解析 | 统计学习方法学习笔记 | 数据分析 | 机器学习

本文包括：1.最大熵模型简介2.最大熵的原理3.最大熵模型的定义4.最大熵模型的学习1.最大熵模型简介：最大熵原理认为，学习概率模型时，在所有可能的概率模型（分布）中，熵最大的模型是最好的模型。通常用约束条件来确定概率模型的集合，所以，最大熵原理也可以表述为在满足约束条件的模型集合中选取熵最大的模型。离散随机变量X的概率分布是P(X)，则其熵是：式中，|X|是X的取值个数，当且仅当X的分布是均匀分
舟晓南·2023-08-28 07:46
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他