统计学习

机器学习入门书单推荐

机器学习入门书单推荐一、前言机器学习涵盖的范围非常广泛，包括计算机视觉、语音识别、自然语言处理、数据挖掘、模式识别、深度学习、统计学习等。
coder~dreamer·2023-01-21 21:20

负荷预测的MATLAB源码，有对应的参考资料

首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM
「已注销」·2023-01-21 11:55

AI工程师技术学习进阶指南

数学基础微积分《北京大学高等数学B》线性代数北京大学出版社，《线性代数简明教程》MIT的线性代数公开课概率论与数理统计李航《统计学习方法》朴素概率论钟开来概率论朴素统计学理论北京大学出版社，《概率论与数理统计下册
保护我方鲁班七号·2023-01-20 13:08

m基于多核学习支持向量机MKLSVM的数据预测分类算法matlab仿真

目录1.算法描述2.仿真效果预览3.MATLAB核心程序4.完整MATLAB1.算法描述20世纪60年代Vapnik等人提出了统计学习理论。基于该理论,于90年代给出了一种新的学习方法——支持向量机。
我爱C编程·2023-01-18 18:37

《统计学习方法》Chapter.4 朴素贝叶斯（naive Bayes）

NaiveBayes朴素贝叶斯理论基本方法输入空间：X⊆RnX\subseteqR^nX⊆Rn为nnn维离散向量空间的集合（本文只介绍离散特征空间下的朴素贝叶斯方法）输出空间：Y={c1,c2,...,cK}Y=\{c_1,c_2,...,c_K\}Y={c1,c2,...,cK}训练数据集：T={(x1,y1),(x2,y2),...,(xN,yN)}T=\{(x_1,y_1),(x_2,y_2
taotaoiit·2023-01-18 17:41

朴素贝叶斯模型（naive bayes）

朴素贝叶斯模型（naivebayes）注：本博客为周志华老师《机器学习》的读书笔记，但同时也参考了李航老师的《统计学习》方法，以及其他资料（见参考文献），虽有自己的理解，但博客里的例子是基于《机器学习》
天泽28·2023-01-18 17:38

机器学习 day1

书籍链接：http://tangshusen.me/Dive-into-DL-PyTorch/#/一、线性回归对于「线性模型」的内容，那我们就来看看「西瓜书」「统计学习方法」「ESL」「PRML」这几本书大概是怎么来讲解这部分内容的
dcr-lzh·2023-01-18 14:16

语音转换之CycleGan-VC2：原理与实战

非平行语音转换CycleGAN之前学习了传统统计学习里的经典的语音转换模型GMM。随着深度学习的发展，出现了更好的语音转换方法，今天学习较为经典的CycleGan。
BarbaraChow·2023-01-18 12:29

机器学习几个重要概念

几个重要概念监督学习与非监督学习统计学习的算法可以分为以下几个类别：监督学习、非监督学习、半监督学习以及强化学习。
tuqinag·2023-01-18 08:04

机器学习、深度学习、统计学习、NLP、CV各领域的联系

其实，机器学习跟模式识别，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有着很深的联系。
cloudless_sky·2023-01-17 18:21

统计学习基础:数据挖掘、推理和预测_《数据分析第一期》，数据分析基础—“统计学”...

在IT互联网行业，想要成为一名优秀的数据分析师，必然需要扎实的统计学基础理论知识。我将通过以下四个方面为大家描述数据分析中的“统计学”。一，为什么要学统计学？统计学是通过对数据收集、整理、汇总及分析来达到对日常事物规律的了解以及预测和应用。统计学是一门应用学科，来源于数学和概率论数理统计，比这两个基础学科应用更广泛，在这个数据创造价值的社会，统计学正在大放光彩。更重要的是学会了解各种技术背后的基础
weixin_39885469·2023-01-17 15:57

统计学习方法读书笔记第五章：决策树

统计学习方法读书笔记第五章：决策树决策树决策树模型与学习特征选择决策树的生成决策树的剪枝CART算法CART剪枝决策树决策树是一种基本的分类与回归方法。
LYPG·2023-01-17 12:48

基于svm算法的简单XSS攻击识别模型

1.概念理解首先还是科普一些基础概念，什么是SVM，SVM叫支持向量机，是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度，Accuracy
weixin_34220963·2023-01-16 22:13

机器学习——基础知识(1)

机器学习文章目录机器学习基础知识模型拟合程度常见的模型指标模型特征工程基础知识统计学习或机器学习一般包括监督学习、无监督学习、强化学习。有时还包括半监督学习、主动学习。
Aure219·2023-01-16 17:06

统计学习--最大似然和贝叶斯估计的联系

概率和统计的区别概率是已知模型和参数，推数据；统计是已知数据，推模型和参数最大似然估计为点估计：利用数据样本信息在参数Theta下数据集X发生的概率最大贝叶斯估计为分布估计：利用数据样本信息和先验知识也即是在数据集X发生的情况下，哪一个参数yi发生的概率最大，称为后验概率，测试结果下，结果是真实的概率一个较好的例子：1、掷硬币实验试验为伯努利试验极大似然估计的推导：贝叶斯估计的推导2、数据服从正态
heda3·2023-01-16 14:05

机器学习（李航统计学习方法）

目录绪论-资料介绍绪论-频率派vs贝叶斯派频率派的观点贝叶斯派的观点监督学习与无监督学习单变量线性回归模型表示代价函数梯度下降多变量线性回归多维特征多变量梯度下降梯度下降法实践1-特征缩放梯度下降法实践2-学习率特征和多项式回归正规方程逻辑回归分类问题假说表示判定边界代价函数简化的成本函数和梯度下降高级优化多类别分类：一对多正则化过拟合的问题代价函数正则化线性回归正则化的逻辑回归模型神经网络非线性
快乐的阿江江·2023-01-16 08:01

李航老师新作《机器学习方法》上市了！附购买链接

李航老师的《统计学习方法》第一版于2012年出版，讲述了统计机器学习方法，主要是一些常用的监督学习方法。第二版增加了一些常用的无监督学习方法，由此本书涵盖了传统统计机器学习方法的主要内容。
风度78·2023-01-16 08:00

机器学习经典著作《统计学习方法》全新升级

李航著清华大学出版社2022-04-01ISBN:9787302597308定价:138.00元新书推荐今日福利｜关于本书｜本书在《统计学习方法》的基础上增加了深度学习的内容，全面系统地介绍了机器学习的主要方法
PaperWeekly·2023-01-16 08:59

统计学习基础——第七章 非线性模型

目录一、多项式回归1、定义（1）特点（2）与线性回归模型的异同二、阶梯函数1、定义2、作用3、与分段函数区别4、步骤三、基函数1、原理四、回归样条1、分段多项式（1）定义（2）结点2、约束条件与样条（1）约束条件的作用（2）样条3、样条基函数（1）定义（2）截断幂基函数（3）自然样条四、确定结点个数和位置1、结点位置2、结点个数五、与多项式回归对比1、回归样条得到的结果比多项式回归更好。2、回归样
无所求275·2023-01-15 12:57

我有一个计划001之数据挖掘面试（更新ing）

2.吴恩达的深度学习的基础知识过一遍深度学习笔记，公式手推3.李航《统计学习》方法挑面经中的重点手推公式，有时间全都看4.牛客网的面经将下载的面经都打印，然后针对每个题学习知识点
weixin_34410662·2023-01-15 11:55

大佬新书首发 | 《机器学习 公式推导与代码实现》正式出版！

关注过这本书的公众号读者应该知道，这本书在系列原创机器学习30讲的基础上，并参考了李航老师的《统计学习方法》和周志华老师的西瓜书《机器学习》的理论体系，从公式推导和代码实现两个维度来展示机器学习的基本内涵
人工智能与算法学习·2023-01-15 11:09

新书首发 | 《机器学习 公式推导与代码实现》正式出版！

关注过这本书的公众号读者应该知道，这本书在系列原创机器学习30讲的基础上，并参考了李航老师的《统计学习方法》和周志华老师的西瓜书《机器学习》的理论体系，从公式推导和代码实现两个维度来展示机器学习的基本内涵
算法channel·2023-01-15 11:09

人生第二本书！

关注过这本书的公众号读者应该知道，这本书在系列原创机器学习30讲的基础上，并参考了李航老师的《统计学习方法》和周志华老师的西瓜书《机器学习》的理论体系，从公式推导和代码实现两个维度来展示机器学习的基本内涵
Datawhale·2023-01-15 11:08

新书首发 | 《机器学习 公式推导与代码实现》正式出版！（文末送书）

关注过这本书的公众号读者应该知道，这本书在系列原创机器学习30讲的基础上，并参考了李航老师的《统计学习方法》和周志华老师的西瓜书《机器学习》的理论体系，从公式推导和代码实现两个维度来展示机器学习的基本内涵
风度78·2023-01-15 11:08

【李航统计学习笔记】第五章：决策树

5.1树的定义树的最顶端叫根节点，所有样本的预测都是从根节点开始的每一个圆形节点表示判断，每个节点只对样本的某个属性进行判断。矩形节点是标记节点，走到矩形节点表示判断结束，将矩形节点中的标签作为对应的预测结果。怎么构建决策树？如果苹果的样本还有一个特征叫形状，我们为形状建立球形和立方型两个分支，显然所有的样本都会到球形分支里面去，这样的判断没有进行有效地划分。此外根据某个特征X，10个苹果中9个会
西风瘦马1912·2023-01-15 08:36

机器学习 Python scikit-learn 中文文档（8）无监督学习: 探索寻找数据的表现方式(representations)

与官方文档完美匹配的中文文档，请访问http://studyai.comLogo首页安装文档案例ForkmeonGitHubPrevious模型选择:选择合适的估计器及其参数Next将所有东西放在一起Up用于科学数据处理的统计学习教程
ScorpioDoctor·2023-01-14 20:17

JavaScript 数据处理 · 基本统计（文末附视频）

第5节基本数据处理·基本统计学习了如何对JavaScript中的数组数据进行操作之后，我们就要回到刚开始选择购买这本小册的目的了：使用JavaScript开发灵活的数据应用。
SYBH.·2023-01-14 12:00

python机器学习基础教程--1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）。
To_be_brave1·2023-01-14 00:09

统计学习的一些笔记（1）

第一部分：描述性统计学的图与表格1.频数分布——注意：组间距离=（组内最大-组内最小）/组数2.条形图和饼状图3.直方图4.累积图与累积曲线（即是频数分布的进阶版，将大于某个值得频数相加起来并统计）5.茎叶图6.交叉分组表（有点类似于概率中的联合分布表格）此处注意一下的是辛普森悖论，辛普森悖论表示的是未综合的交叉分组表与综合的交叉分组表得到的结论是相反。当交叉分组表包含综合数据时，应该审查是否存在
xiongliff·2023-01-13 23:18

商务与经济统计学习 -- 描述统计

描述统计学数值方法描述统计学数值方法数值度量：位置离散程度形态相关程度数值度量：位置离散程度形态相关程度位置位置平均数：x¯=∑xinx¯=∑xin加权平均数：x¯=∑wixi∑wix¯=∑wixi∑wi中位数：将数据从小到大排序对奇数个观测数中位数是中间的数值对偶数个观测数中位数是中间两个数值的平均数几何平均数：x¯g=(x1x2...xn)1/nx¯g=(x1x2...xn)1/n在财务、投资
troysps·2023-01-13 23:16

统计学习方法 第二版 读书笔记_第二章 感知机

感知机2.1感知机模型定义2.1(感知机)假设输入空间(特征空间)是X∈Rn\mathcalX\in\mathcalR^nX∈Rn,输出空间是Y={+1,−1}\mathcalY=\{+1,-1\}Y={+1,−1}.输入x∈Xx\in\mathcalXx∈X表示实例的特征向量,对应于输入空间(特征空间)的点;输出y∈Yy\in\mathcalYy∈Y表示实例的类别.由输入空间到输出空间的如下函数
EricZHAOedu·2023-01-13 22:05

李航统计学习方法(第二版)第二章 感知机学习笔记【理论篇】

感知机感知机的定义感知机的数学表达式感知机的几何意义感知机的目标函数数据集线性可分目标函数推导感知机的优化方法原始形式随机梯度下降批量梯度下降为什么用随机梯度下降而不用批量梯度下降对偶形式为什么要转化成对偶形式感知机的定义感知机是二分类线性分类模型，输入为实例的特征，输出为实例类别，实例类别取+1和-1。感知机是属于判别模型，因为其求出分离超平面直接将输入实例划分为正例和负例。感知机的数学表达式感
禅心001·2023-01-13 22:04

【机器学习笔记】《统计学习方法》第二章 感知机+随机梯度下降法

主要参考书目《统计学习方法》第2版，清华大学出版社参考书目MachineLearninginAction,PeterHarrington用于考研复试笔记，所以写的很简洁，自己能看懂就行。
Baolar_Code·2023-01-13 22:30

电信保温杯笔记——《统计学习方法（第二版）——李航》第2章 感知机

电信保温杯笔记——《统计学习方法（第二版）——李航》第2章感知机论文介绍特点模型结构损失函数优化目标感知机学习算法的原始形式举例算法收敛性感知机学习算法的对偶形式相关视频相关的笔记相关代码pytorchtensorflowkeraspytorchAPI
电信保温杯·2023-01-13 22:27

《统计学习方法第二版》学习笔记2——感知机

1理论部分1.1感知机模型1.2感知机学习策略1.3感知机算法1.3.1原始形式算法1.3.2对偶形式算法2代码部分2.1Perceptron2.2scikit-learn实例前言本文主要参考资料：《统计学习方法
sd3145265·2023-01-13 22:27

机器学习-统计学习方法第二版学习笔记-第二章 感知机

统计学习方法第二章感知机2.1感知机模型2.2感知机学习策略损失函数：误分类点到超平面的总距离。2.3感知机学习算法算法2.1随机梯度下降法算法2.2感知机模型对偶形式
xingS1992·2023-01-13 22:27

《统计学习方法(第二版)》学习笔记 第二章 感知机 代码实现

感知机代码实现首先先直接给出一个复制粘贴就可以运行的代码实例，让大家先感受一下感知机的代码的执行过程。数据集采用的是经典的鸢尾花数据集，sklearn.datasets中提供了鸢尾花数据集的接口可以直接使用，当然还有其他更多的数据集可以用来进行实验，比如非常有名的用于机器学习的数据库UCI，其中也包含了鸢尾花数据集，里面包含的大部分数据集的规模都很小，很适合初学者使用。importnumpyasn
忆殇DR·2023-01-13 22:54

统计学习方法——第2章感知机（个人笔记）

统计学习方法——第2章感知机（个人笔记）参考《统计学习方法》（第二版）李航感知机就是二分类的线性分类模型，输入为特征向量，输出只为+1、-1。
没用的阿鸡·2023-01-13 22:52

统计学习方法——第7章 支持向量机（个人笔记）

统计学习方法——第7章支持向量机（个人笔记）参考《统计学习方法》（第二版）李航支持向量机（supportvectormachines，SVM）是一种二分类模型，是定义在特征空间上的间隔最大的线性分类器。
没用的阿鸡·2023-01-13 22:52

《统计学习方法》第 2 章“感知机”学习笔记

感知机是《统计学习方法》的介绍的第1个算法，是神经网络与SVM的基础。
liweiwei1419·2023-01-13 22:51

《统计学习方法第2版》学习笔记-第1章统计学习及监督学习概论

文章目录1.统计学习2.统计学习的分类2.1.基本分类2.2.按模型分类2.3.按算法分类2.4.按技巧分类3.统计学习方法的三要素3.1.模型3.2.策略3.3.算法4.模型评估与模型选择4.1.训练误差与测试误差
可以叫我才哥·2023-01-13 22:50

统计学习方法第二版 学习笔记 第二章 感知机

一、统计学习三要素1.1模型感知机是二分类线性分类模型，属于判别模型，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。
gss123_123·2023-01-13 22:45

【Matlab数理统计知识点合集】新手入门第十三天

数理统计学习目标1.随机数的产生1.1二项分布随机数1.2泊松分布随机数1.3均匀分布随机数1.4正态分布随机数1.5其他常见分布随机数2.概率密度函数2.1常见分布的密度函数作图2.2通用函数计算概率密度函数值
Luminous烁·2023-01-13 10:39

R语言作加权最小二乘_自然语言处理算法工程师历史最全资料汇总-基础知识点、面试经验...

整理了算法面试需要数学基础知识、编程语言、深度学习、机器学习、计算机理论、统计学习、自然语言处理相关基础知识点；以及一些大长的实战面试经验，非常具有参考、学习价值，分享给大家。
weixin_39849387·2023-01-13 08:20

基于Logistic回归模型对鸢尾花数据集的线性多分类

LogisticRegression逻辑回归（logisticregression）是统计学习中的经典分类方法，属于对数线性模型，所以也被称为对数几率回归。这里要注意，虽然带有回归的字眼
在下摸鱼怪·2023-01-13 08:41

统计学习方法学习笔记-06-逻辑斯谛回归与最大熵模型01

首先介绍逻辑斯谛模型，然后介绍最大熵模型，最后讲述逻辑斯谛回归与最大熵模型的学习算法，包括改进的迭代尺度算法和拟牛顿法逻辑斯谛回归模型逻辑斯谛分布设XXX是连续随机变量，具有下列分布函数和密度函数：μ\muμ是位置参数，γ>0\gamma\gt0γ>0是形状参数，越小，分布函数在中心增长得越快F(x)=P(X≤x)=11+e−(x−μ)/γf(x)=F′(x)=e−(x−μ)/γγ(1+e−(x−
尔呦·2023-01-13 08:10

transductive inference（转导推理，直推式学习）

在统计学习中，转导推理（TransductiveInference）是一种通过观察特定的训练样本，进而预测特定的测试样本的方法。
大笨熊。。。·2023-01-13 00:35

简述相关与回归分析的关系_统计学习题 第七章相关与回归分析答案

第七章相关与回归分析习题一、填空题1、客观现象之间的数量联系有两种不同的类型：一种函数关系；另一种是相关关系。2、现象之间是否存在相关关系是进行相关与回归分析的基础，其主要测定方法是计算相关系数。3、若估计标准误差愈小，则根据直线回归方程计算的估计值就越能代表实际值。4、对某实验结果做线性回归分析，得到形如y=a+bx的方程，现对回归系数b做显著性检验，该假设检验中原假设为H0:b=0，备择假设为
塔比星上琉球生·2023-01-12 20:19

在线学习(online learning)——Chapter 2 Problem Formulations and Related Theory

Chapter2ProblemFormulationsandRelatedTheory本章中，我们将首先给出一个经典的在线学习问题的形式化描述，即在线二分类(onlinebinaryclassification)，然后介绍统计学习理论
雨落俊泉·2023-01-12 19:25

统计学习方法|决策树原理剖析及实现

原始blog链接：http://www.pkudodo.com/2018/11/30/1-5/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_·2023-01-12 00:26
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他