西电李航

牛刀小试利使用Python利用维特比算法解决经典隐马尔科夫链问题

以下是解决李航的《统计学习方法》中例10.2（盒子和彩球问题）的Python代码实现。Csdn对Word文档编辑的矩阵显示支持得不太好，算法思路请通过以下链接下载查看。
kaiwii·2018-07-11 17:00

弱监督学习综述

专题内容还包括对AAAI前主席TomDietterich的访谈，徐宗本院士、杨强教授、朱军博士、李航博士、张坤博士和BernhardScholkopf等人的精彩文章。本文是对周志华教授所写的《
TTdreamloong·2018-07-10 20:41

Kaggle:入门赛Tatanic（泰坦尼克号）84.21%带你冲进前2%

Kaggle:入门赛Tatanic（泰坦尼克号）84.21%带你冲进前2%0.前言可能你和我一样是机器学习的入门者，或许看过吴恩达老师的课，或许看过李航的《统计方法》，或许看过周志华的《机器学习》。
Bidlin·2018-07-10 00:38

机器学习实战笔记(一)Ｋ近邻算法

趁着暑假的档期，总结一下机器学习的一些算法，如有表达不清，或者错误的地方，欢迎指导．本篇是基于＜机器学习实战＞并参考＜西瓜书＞以及李航的＜统计机器学习＞这三本书所记的笔记，所有代码均是由ｐｙｔｈｏｎ缩写
hjxu2016·2018-07-10 00:00

江西工商业电价每度又降1.81分 电网环节多收费将被罚

记者了解到，自5月1日起，江西电网“一般工商业及其他用电”类别各电压等级销售电价、输配电价每千瓦时降低1.81分钱，这是继4月1日降低1.6分钱后又一次降价。
能源情报中心·2018-07-09 10:46

监督学习——通用线性模型

在监督学习这个概念上，我选择以李航老师的统计学习方法中的定义作为标准，监督学习(supervisedlearning)的任务是一个学习模型，使模型能够对任意给定的输入，对其相应的输出做出一个好的预测（注意
Guangzhan·2018-07-06 09:51

李航统计学习 第四章 朴素贝叶斯

第四章朴素贝叶斯输入空间X⊆RnX⊆Rn为nn维向量集合，输出空间为类别标记集合Y={c1,c2,⋯,cK}Y={c1,c2,⋯,cK}训练集T={(x1,y1),(x2,y2),⋯,(xN,yN)}T={(x1,y1),(x2,y2),⋯,(xN,yN)}算法思想首先学习先验概率分布：P(Y=ck),k=1,2,⋯,KP(Y=ck),k=1,2,⋯,K然后学习条件概率分布：P(X=x|Y=ck)
丁耗·2018-07-03 22:35

李航统计学习 第三章 K邻近法

第三章K邻近法算法流程输入：训练数据集T={(x1,y1),(x2,y2),⋯,(xN,yN)}T={(x1,y1),(x2,y2),⋯,(xN,yN)}其中xi∈Rnxi∈Rn为实例的特征向量yi∈{c1,c2,⋯,cK},i=1,2,⋯,Nyi∈{c1,c2,⋯,cK},i=1,2,⋯,N为实例的类别输出：实例xx所属的类yy（1）根据给定的距离度量，在训练集TT中找出与xx最邻近的kk个点，
丁耗·2018-07-03 22:21

李航统计学习 第一章 统计学习概论

第一章统计学习概论1.1统计学习实现统计学习方法的步骤:(1)得到一个有限的训练数据集合(2)确定包含所有可能的模型的假设空间,即学习模型的集合(3)确定模型选择的准则,即学习的策略(4)实现求解最优模型的算法,即学习的算法(5)通过学习方法选择最优模型(6)利用学习的最优模型对新数据进行预测或者分析1.2监督学习监督学习的任务是学习一个模型,使得模型能够对任意给定的输入,对其相应的输出做一个好的
丁耗·2018-07-03 22:54

【机器学习】支持向量机(SVM)

参考李航-统计学习方法支持向量机是一种分类算法，1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。
shura_R·2018-07-02 16:20

GBDT 详解

参考资料及博客：李航《统计学习方法》GradientBoostingwikiGBDT理解二三事GBDT（MART）迭代决策树入门教程|简介转载自：https://blog.csdn.net/sb19931201
北冥有小鱼·2018-06-29 11:01

python实现单层感知机(perceptron)

前言最近在学习李航教授著作《统计学习方法》，刚刚起步单纯学概念也是有点无聊，于是乎就想利用python复现一下感知机。
BlueBlueSkyZ·2018-06-26 09:47

基于pyhton3.6-机器学习实战-fpGrowth代码解释

我主要给大家讲解代码，理论部分给大家推荐3本书：《机器学习实战中文版》《机器学习》周志华《统计学习方法》李航以上3本书，第一本是基于python2的代码实现；剩余两本主要作为第一本书理论省略部分的补充，
Lelouc_CC·2018-06-25 17:58

基于pyhton3.6-机器学习实战-Apriori代码解释

我主要给大家讲解代码，理论部分给大家推荐3本书：《机器学习实战中文版》《机器学习》周志华《统计学习方法》李航以上3本书，第一本是基于python2的代码实现；剩余两本主要作为第一本书理论省略部分的补充，
Lelouc_CC·2018-06-25 17:24

基于pyhton3.6-机器学习实战-K-Means代码解释

我主要给大家讲解代码，理论部分给大家推荐3本书：《机器学习实战中文版》《机器学习》周志华《统计学习方法》李航以上3本书，第一本是基于python2的代码实现；剩余两本主要作为第一本书理论省略部分的补充，
Lelouc_CC·2018-06-25 17:32

基于pyhton3.6-机器学习实战-回归树regTrees代码解释

我主要给大家讲解代码，理论部分给大家推荐3本书：《机器学习实战中文版》《机器学习》周志华《统计学习方法》李航以上3本书，第一本是基于python2的代码实现；剩余两本主要作为第一本书理论省略部分的补充，
Lelouc_CC·2018-06-25 17:09

男生女生谁怕谁（35）男生女生谁怕谁

数学竞赛中张咪、杨飞获得一等奖，作文竞赛中陈芸、李航获得一等奖，英语书写比赛呢，也是男生女生平分秋色。只是在讲故事竞赛中，张咪获得省级特等奖，男生呢，却连连败北，连参加竞赛的资格也没有取得
三门峡014张丽娜·2018-06-25 16:20

李航《统计学习方法》笔记

虽然书名是统计学习，但是却是机器学习领域中和重要的一本参考书。当前的机器学习中机器指计算机，但是所运用的方法和知识是基于数据（对象）的统计和概率知识，建立一个模型，从而对未来的数据进行预测和分析（目的）。第一段提到的模型是很重要的，事实上，模型（model）是统计学习方法的三要素之一，其他另外两个策略strategy和算法algorithm也是围绕模型的，简单来说，策略决定了使用什么样的损失函数（
zcg1942·2018-06-25 16:00

李航-第10章隐马尔可夫模型

隐马儿可夫模型：HMM，hiddenMarkovmodel，是可用于标注问题的统计学习模型，描述由隐藏的马尔可夫链随机生成观测序列的过程，属于生成模型。隐马尔可夫模型是关于时序的概率模型，描述由一个隐藏的马尔可夫链随机生成不可观测的状态随机序列，再有各个状态生成一个观测而产生观测随机序列的过程。隐藏的马尔可夫链随机生成的状态的序列，称为状态序列。每个状态生成一个观测，而由此产生的观测的随机序列，称
瘦长的丰一禾·2018-06-23 15:42

基于pyhton3.6-机器学习实战-回归regression代码解释

我主要给大家讲解代码，理论部分给大家推荐3本书：《机器学习实战中文版》《机器学习》周志华《统计学习方法》李航以上3本书，第一本是基于python2的代码实现；剩余两本主要作为第一本书理论省略部分的补充，
Lelouc_CC·2018-06-20 09:59

李航-第9章EM算法及其推广

EM算法的每次迭代由两步组成：E步，求期望；M步，求极大。所以这一算法称为期望极大法（expectationmaximization），简称EM算法。EM算法的最大优点是简单性和普适性。关于概率和似然：在统计学中，似然函数（likelihoodfunction，通常简写为likelihood，似然）是一个非常重要的内容，在非正式场合似然和概率（Probability）几乎是一对同义词，但是在统计学
瘦长的丰一禾·2018-06-19 09:03

固堤工程

抬头看，几百米外的西电东送输电铁塔仿佛近在咫尺，好象伸手就能触到高压电缆。听说在岭西架线时，摔下来个南方人，也
南良大维·2018-06-17 07:52

合页损失函数的理解

至于为什么叫这个名字，李航老师的《统计学习方法》上是这么说的：由于函数形状像一个合页，故命合页损失函数。下图为合页损失函数的图像（取自《统计学习方法》）：之前对损失函数的意义一直不是很懂。
goodshot·2018-06-16 12:36

基于pyhton3.6-机器学习实战-AdaBoost代码解释

我主要给大家讲解代码，理论部分给大家推荐3本书：《机器学习实战中文版》《机器学习》周志华《统计学习方法》李航以上3本书，第一本是基于python2的代码实现；剩余两本主要作为第一本书理论省略部分的补充，
Lelouc_CC·2018-06-09 10:14

KNN算法知识集

数学知识：李航《统计学习方法》，叙述了K邻近算法，K邻近模型和它的三要素（距离度量、K值、分类决策规则），然后讲解了算法实现的数据结构——kd树，和基于这个树的搜索kd树算法。
baoFeng_Li·2018-06-08 10:51

小白机器学习过程

理论积累其实学习资料比较多，书籍有周志华的西瓜书，李航的统计学习，还有学机器学习很经典的PRML，视频网课有吴恩达的机器学习视频，b站上有资源。项目上经验包括可以参加相关的比赛，看相关的书籍。
泡屁屁·2018-06-07 21:25

十分钟理解logistic回归原理

关于逻辑回归的分类算法，很多书籍都有介绍，比较来看，还是**李航老师的书《统计学习方法》**里介绍的更清楚，若大家有时间，请不要偷懒，还是建议从头开始看李航老师的书，这本书简洁明了，适合入门。
石贤芝·2018-06-05 10:01

基于pyhton3.6-机器学习实战-支持向量机SVM代码解释

我主要给大家讲解代码，理论部分给大家推荐3本书：《机器学习实战中文版》《机器学习》周志华《统计学习方法》李航以上3本书，第一本是基于python2的代码实现；剩余两本主要作为第一本书理论省略部分的补充，
Lelouc_CC·2018-06-03 00:00

李航-第5章决策树

决策树的学习算法包特征选择、决策树的生成与决策树的剪枝过程。决策树学习应用信息增益准则选择特征。信息增益大的特征具有更强的分类能力。1、特征选择问题。特征选择是决定用哪个特征来划分特征空间。选择具有分类能力的特征可以调高决策树的学习的效率。熵：表示随机变量不确定性的度量，单位是比特。熵越大，随机变量的不确定性越大。经验熵和条件经验熵：当熵和条件熵中的概率由数据估计（特别是极大似然估计）得到时，所对
瘦长的丰一禾·2018-06-01 22:15

EM算法整理及其python实现

此文转载以供以后查阅学习方便，参考原文请移步链接http://www.hankcs.com/ml/em-algorithm-and-its-generalization.html另外，参考李航老师的《统计学习方法
brave_stone·2018-06-01 15:44

python实现决策树ID3算法的示例代码

在周志华的西瓜书和李航的统计机器学习中对决策树ID3算法都有很详细的解释，如何实现呢？
HelloData·2018-05-30 09:53

决策树ID3算法python实现

在周志华的西瓜书和李航的统计机器学习中对决策树ID3算法都有很详细的解释，如何实现呢？
HelloData·2018-05-29 00:00

启发式算法（Heuristic Algorithm）

背景：李航的《统计学习方法》一书中提到：决策树算法通常采用启发式算法，故了解之问题解答：时间有限，这里也只是将算法和启发式算法的区别和简单发展摘录如下：一、算法和启发式方法之间的差别很微妙，两个术语的意思也有一些重叠
混沌战神阿瑞斯·2018-05-27 20:00

感知机的总结及Python实现

重读李航博士的《统计学方法》对感知机做个总结包括感知机原始形式和对偶对偶形式的原理和Python实现。
蓝绿黄红·2018-05-24 10:07

李航-第2章感知机

说白了，感知机就是找到一条直线（称作超平面）用来把两类点分开，这个直线用线性方程表示就是感知机。关键是如何找到分隔两类点的这个（最优）线性方程。感知机模型感知机模型.jpg感知机模型的损失函数因为点到超平面的距离是正的，所以损失函数是非负的。误分类点越少，误分类点离超平面越近，损失函数值就越小。感知机的学习策略就是找到使损失函数最小的参数w,b，也即是找到了感知机模型。损失函数.jpg一些问题：误
瘦长的丰一禾·2018-05-22 22:21

EM算法及算例详解

最近在看贝叶斯相关的论文，里面讲到了EM算法，就把李航的统计学习方法这本书里的有关EM算法的详细推导过程仔细研读一遍，收获颇丰！
随遇而安_小强·2018-05-21 19:39

算法工程师学习流程

1）学习资料：以林轩田的《机器学习基石》、《机器学习技巧》为主，以周志华的《机器学习》、李航的《统计学习方法》为辅。
zhaocen_1230·2018-05-21 15:45

明日算法工程师の养成之路

学习材料机器学习理论知识的第一本书：《统计学习方法》李航著编程基础的第一本书：《
moonfansLTH·2018-05-18 23:21

机器学习实战---k近邻算法

kNN算法具体描述可以参见李航的《统计学习方法》kNN算法的伪码过程如下：（1）计算已知类别数据集中的点与当前点之间的距离；（2）按照距离递增次序排序；（3）选取与当前点距离最小的k个点；（4）确定前k
圈圈9527·2018-05-15 00:00

LaTeX西电本科论文模板使用教程（附西电论文LaTeX模板）

首先我要说的是为什么要用LaTeX进行论文排版，如果你的论文有大量的图片，表格，或者数学公式，如果利用word排版，编号，设置页眉，页脚等会非常繁琐，特别是针对那些不经常用word的人来说。那么利用LaTeX的论文模板，可以避免上述问题，一些格式页眉页脚字号等的代码全部在模板.cls文件中，不需要你去动，只需要做一些章节文字的填充，就能生成完美的论文。环境以Windows10+CTex套装+Win
_zZhe·2018-05-14 18:44

基于pyhton3.6-机器学习实战-logistic回归代码解释

我主要给大家讲解代码，理论部分给大家推荐3本书：《机器学习实战中文版》《机器学习》周志华《统计学习方法》李航以上3本书，第一本是基于python2的代码实现；剩余两本主要作为第一本书理论省略部分的补充，
Lelouc_CC·2018-05-13 18:44

拉格朗日对偶问题（李航《统计学习方法》）

具体讲解可以去看李航的《统计学习方法》。首先给出一个原始问题，原始问题一般都是带约束条件的，第一步就是利用拉格朗日乘子将原始问题转化为无约束最优化问题。
竹风94·2018-05-12 16:56

《统计学习方法》学习之二：kd树

（具体内容可以参考李航《统计学习方法》一书）。二、代码实现  这里实现二维平面上的kd树，可以类推到n维特征空间。
子为空·2018-05-08 23:19

《统计学习方法》学习之二：kd树

（具体内容可以参考李航《统计学习方法》一书）。二、代码实现  这里实现二维平面上的kd树，可以类推到n维特征空间。
子为空·2018-05-08 23:19

《统计学习方法》学习之一：感知机

（具体内容可以参考李航《统计学习方法》一书）。
子为空·2018-05-07 20:23

《统计学习方法》学习之一：感知机

（具体内容可以参考李航《统计学习方法》一书）。
子为空·2018-05-07 20:23

机器学习中的隐变量和隐变量模型

开篇这篇博客算我自己给自己挖的一个坑，主要想讲讲机器学习中的隐变量，今天在推导EM算法，李航在统计学习方法中的EM引入中提到了隐变量的概念（latentvariable），他提到了如果我们的概率模型的变量都是观测到的变量
Ding_xiaofei·2018-05-05 16:55

机器学习中的隐变量和隐变量模型

开篇这篇博客算我自己给自己挖的一个坑，主要想讲讲机器学习中的隐变量，今天在推导EM算法，李航在统计学习方法中的EM引入中提到了隐变量的概念（latentvariable），他提到了如果我们的概率模型的变量都是观测到的变量
Ding_xiaofei·2018-05-05 16:55

MySQL ERROR 1215 (HY000)的一个情况

referencescourse(cno),foreignkey(cpno)referencescourse(cno));ERROR1215(HY000):Cannotaddforeignkeyconstraint西电数据库上机作业
AKSPD2016·2018-05-04 13:56

logistic回归详解(二）：损失函数（cost function）详解 - CSDN博客

再加上一个偏置项x0,则每个样本包含n+1维特征：x=[x0,x1,x2,⋯,xn]T其中x∈Rn+1,x0=1,y∈{0,1}李航博士在统计
·2018-04-29 10:00
上一页 42 43 44 45 46 47 48 49 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他