02_统计学习第16页

【无标题】

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

小五会吃醋·2022-12-17 18:49

机器学习笔记-PCA(主成分分析）

参考资料（大量参考了第一个链接，里面讲的非常详细）：https://zhuanlan.zhihu.com/p/77151308统计学习方法（李航）https://zhuanlan.zhihu.com/p

Serendipity-Wu·2022-12-17 14:49

统计学习方法---感知机

《统计学习方法》系列笔记的第一篇，对应原著第二章。大量引用原著讲解，加入了自己的理解。对书中算法采用Python实现，并用Matplotlib可视化了动画出来。

千寻～·2022-12-17 08:04

《统计学习方法》学习笔记_感知机（手写扫描）

感知机Perceptron由Rosenblatt于1957年提出，可以说是神经网络与支持向量机的爸爸。感知机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，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，属于判别模型。感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此，导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，求

全自动学习机器·2022-12-16 13:32

《集体智慧编程》读书笔记

weixin_30396699·2022-12-16 12:37

可解释机器学习介绍

结论：训练集、测试集要来自一个分布神经网络->"黑箱子“机器学习大多数是统计学习

STUffT·2022-12-16 11:02

大数据挖掘有哪些技术

数据挖掘技术虽是一项新兴的数据处理技术，但其发展速度十分迅猛，至今已经形成了决策树、神经网络、统计学习、聚类分析、关联规则等多项数据挖掘技术，极大的满足了用户的需求。

中琛源科技·2022-12-16 11:40

统计学习方法之kNN算法

统计学习方法读书笔记之kNN算法k近邻是什么k近邻法是机器学习中最基本的分类和回归方法，也称为kNN算法。通常k近邻法用于分类问题。k近邻法假定给定一个训练数据集，其中实例类别已定。

Morgan928·2022-12-16 08:20

深度之眼课程打卡-统计学习方法01

绪论统计学习方法主要是讲李航博士统计学习方法那本书，一开始主要讲解了一些基本概念。作业打卡L1和L2范式l1范数的数学定义是所有数绝对值之和。在坐标平面上它是个正方形。l2范数的数

Big_quant·2022-12-16 06:34

决策树(decision tree)——(1)生成与度量指标

**注：本博客为李航《统计学习方法》与周志华《机器学习》读书笔记，虽然有一些自己的理解，但是其中仍然有大量文字摘自李老师和周老师的书籍内容。

猿童学·2022-12-15 22:43

深度学习课程笔记-第二周

神经网络的计算过程可以分为前向传播和反向传播（用logistics回归来阐述）（什么是logistics回归：Logistics回归是统计学习中的经典分类方法，是一种广义的线性回归模型。

?ZERO?·2022-12-15 14:12

决策树算法总结

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达前言决策树是机器学习模型较常用的一种方法，李航老师《统计学习方法》详细的描述了决策树的生成和剪枝，本文根据书中的内容，对决策树进行了总结

小白学视觉·2022-12-15 03:49

python降维中特征维度的问题

python降维中特征维度的问题最近在学PCA降维，参考的是李航老师的统计学习方法第二版，自己上手编程时发现按照李航老师P310页公式16.39来定义样本数据时出现了一些问题，特此记录以供日后翻阅sklearn

nofaliure·2022-12-14 22:48

朴素贝叶斯分类

一：贝叶斯原理朴素贝叶斯分类算法是一个典型的统计学习方法，主要的理论基础就是贝叶斯公式。贝叶斯公式定义如下所示：先验概率：通过经验来判断事情发生的概率。后验概率：后验概率就是发生结果之后，推测原因的概

onlynb·2022-12-14 20:44

计算机视觉的相关会议,计算机视觉方向三大顶级会议

会议收录论文的内容包括：底层视觉与感知，颜色、光照与纹理处理，分割与聚合，运动与跟踪，立体视觉与运动结构重构，基于图像的建模，基于物理的建模，视觉中的统计学习，视频监控，物体、事件

weixin_39687990·2022-12-14 17:09

严47·2022-12-14 17:36

《西瓜书》+《南瓜书》第一章笔记（Datawhale）

大部分都是基于《西瓜书》和《统计学习方法》的一些日常记录，本人学识浅薄，如果有存在理解、记录偏差的地方，希望大家能帮忙指出一下，笔者不胜感激！~第一章1.1引言什么是机器学习？

游弋诗·2022-12-14 16:33

《可解释人工智能公开课》——by 同济子豪兄第一章导论笔记

导论这门课学什么通过坦克的故事得知:训练集和测试集一定要来源同一个分布现代的机器学习和人工智能都是统计学习，统计学习用大量的数据和经验去训练出算法，让算法拟合出某个决策边界或者数据分布；若是分类，就拟合出一个边界把两类样本分开

xuejiang__·2022-12-14 16:03

《机器学习》（周志华）第一章绪论笔记学习心得

第1章绪论学习心得由于我之前已经学过了李航老师的《统计学习方法（第2版）》，所以这里面的概念没有啥不懂得，不会像教程说的有些难，毕竟学过一部分了。

ML--小小白·2022-12-14 15:21

可解释机器学习导论

选择人工智能的方向来自子豪兄的建议尽可能通用，与其他方向有交叉，能为社会创造价值或商业应用价值顺应主流的发展——统计学习到深度学习到大规模学习要有高质量的

beiketaoerge·2022-12-14 15:49

1.4+1.5 L1、L2正则化

2022.08.27李航老师《统计学习方法》：一.统计学习及监督学习概论#本文目的就是为学者简化学习内容，提取我认为的重点把书读薄;#本文重点：1.5正则化理解一.统计学习及监督学习概论1.4+1.5L1

羊老羊·2022-12-14 15:07

【李航-统计学习方法】1.4模型评估与模型选择

1、训练误差与测试误差不同的学习方法会给出不同的模型。当损失函数给定时，基于损失函数的模型的训练误差和模型的测试误差就成为学习方法评估的标准。训练误差的大小，对判断给定的问题是不是一个容易学习的问题有意义。也就是说，一个问题越容易学习，那么它的训练误差就越小。但这本质上不重要。测试误差，反映了学习方法对未知的测试数据集的预测能力。测试误差小的方法具有更好的预测能力，是有效的方法。通常将学习方法对未

smile4548656·2022-12-14 15:01

《统计学习方法》(李航)：模型评估选择、正则化与交叉验证、泛化能力、生成模型与判别模型、监督学习应用

PS：所写内容为读书笔记，如需了解更详细内容请购买正版书籍1.4模型评估与选择1.4.1训练误差和测试误差训练误差：模型对训练集预测结果的误差测试误差：模型对测试集测试结果的误差1.4.2过拟合与模型选择过拟合（over-fitting）：学习时选择的模型所包含的参数过多，以至于出现这一模型对已知数据预测很好，但对未知数据预测很差的现象。当模型的复杂度增大时，训练误差会逐渐减小并趋近于0，而测试误

APPLECHARLOTTE·2022-12-14 15:50

《因果推理原理：基础与学习算法》第一章因果模型和统计模型

利用统计学习，我们试图从观测数据中推断出随机变量之间的相关性。例如，基于对两个随机变量的联合观察样本，我们可以构建一个预测器，该预测器在只给出其中一个变量的新值的情况下，可以很好地估计另一个变量。

叶子心情你不懂·2022-12-14 11:57

Python机器学习基础篇一《为什么用Python进行机器学习》

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）。

虚幻私塾·2022-12-13 22:01

吃瓜教程 [西瓜书]任务打卡 Task1: 第一章

第一章我是通过大数据挖掘竞赛入门机器学习,在此前并没有系统地学过基础理论,做的工作比较多的是通过复现大佬在kaggle,天池上的教程,调包实现编程的求解.因此,我这次通过参与DataWhale组织的七月组队学习计划,系统性地学习一遍关于统计学习

苏忘川·2022-12-13 21:01

【统计学习方法】EM算法实现之隐马尔科夫模型HMM

1基本概念1.1马尔科夫链（维基百科）马尔可夫链（英语：Markovchain），又称离散时间马尔可夫链（discrete-timeMarkovchain，缩写为DTMC），因俄国数学家安德烈·马尔可夫得名，为状态空间中经过从一个状态到另一个状态的转换的随机过程。该过程要求具备“无记忆”的性质：下一状态的概率分布只能由当前状态决定，在时间序列中它前面的事件均与之无关。这种特定类型的“无记忆性”称作

qauzy·2022-12-13 20:12

领域自适应论文总结系列（一）

早期的基于统计学习等浅层模型的做法主要是先设计一套特征提取方法，然后对训练集和测试集的特征进行分布匹配，此时再将分类器用到测试集上会取得更好的预测效果。

努力干活还不粘人的小妖精·2022-12-13 18:27

机器学习——期末复习

池化操作应用题决策树、朴素贝叶斯、聚类算法单层感知器构造（连接神经元部分）填空题第一章机器学习基础按机器学习系统的含义：是指能够在一定程度上实现机器学习系统机器学习按对人类学习的模拟方式：符号主义学习、统计学习

一颗菜籽·2022-12-13 13:43

泛统计理论初探——线性判别分析LDA简介

统计学习-线性判别分析方法简介线性判别分析方法简介LDA是常见的降维算法，全称是LinearDiscriminantAnalysis，即线性判别分析。

喷火龙与水箭龟·2022-12-13 10:30

个人学习笔记：EM与GMM算法

本篇文章为个人学习EM算法框架时的笔记，其中主要参考了李航老师的《统计学习方法》这本书以及PRML，中间有一些内容是从其他一些网络资料上摘抄下来的，具体来源比较杂，这里就不一一列出了，如有侵权请联系删除

ZJ&ZYQ·2022-12-13 10:18

机器学习中隐马尔可夫模型（Hidden Markov Model, HMM）理论

参考书：《统计学习方法》《TheModelThinker》文章目录隐马尔可夫模型（HiddenMarkovModel,HMM）1.马尔可夫宿命论1.1案例1.2宿命2.马尔可夫过程3.隐马尔可夫模型3.1

天真的和感伤的想象家·2022-12-13 09:52

统计学习方法之决策树通俗理解

决策树看完本文再学习《统计学习方法》相应内容，效果更好如果需要《统计学习方法》第二版pdf，可私信领取1.决策树思想决策树显然是像人那样做决策，比如挑选苹果我们可以先看颜色，我们觉得红色的可能好些，我们再在红色的苹果中看纹理等等

dxwell6·2022-12-13 06:19

决策树理解

决策树理解（一）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·2022-12-13 06:18

机器学习常用角标及其含义

李航《统计学习方法》：d∗=maxα,β;αi≥0θD(

MiaL·2022-12-12 14:13

||《统计学习方法》李航_第1章_蓝皮（学习笔记）

第1章统计学习方法概论监督学习统计学习三要素模型策略（经验风险和结构经验风险）判别模型与生成模型补充（含课后作业）MLE、MAP和贝叶斯估计证明经验风险最小化等价于极大似然估计（在特定条件下）证明结构风险最小化与最大后验概率等价

Rlin_by·2022-12-12 14:16

深度丨我们可以有多信任人工智能

本文要点•Launchbury将统计学习归类为他称为的第二次AI浪潮。在这次浪潮中，强调的是感知和学习的过程，但是这项技术却缺少推理和抽象的能力。•AI的核心是一个高度有序的结构。在实践中，大部分AI

人工智能学家·2022-12-12 13:09

协方差矩阵的定义性质与python实现

最近写统计学习的作业，要用到降维方法，一股脑把机器学习实战上的代码敲上去就好了，要求中还要尝试其他降维方法，查了好多发现LDA可以，但是LDA要用到计算协方差矩阵，这玩意我之前就糊里糊涂的，协方差是变量之间的

king阿金·2022-12-12 10:10

机器学习（0）：机器学习概述及基本概念

虽然之前粗略的学过一点皮毛，但是当初笔记做的实在不好，这次趁着看吴恩达老师的机器学习教学视频以及李航老师的《统计学习方法》，重新整理一下自己的笔记，同时也是整理一下自己的思路。

棉花糖灬·2022-12-11 18:27

结合openCV学习DIP之机器学习CNN

并且以此为依据可以从其他未知图像中检测出相似或相同的该对象A.在特征提取上,传统的图像处理都是自行设计提取固定特征的算子,在深度学习上主要是利用CNN网络来广泛的提取图像的特征.笔记以吴恩达课程为基础,全面介绍机器学习相关术语,再以李航《统计学习方法

Heisenberg-·2022-12-11 16:52

统计学习方法李航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(48小时内回复)，包会！！】

#苦行僧·2022-12-11 13:12

《可解释机器学习公开课》来了！

什么是可解释AI现代的机器学习和人工智能，属于“统计学习”，通过大量的数据和经验训练算法，拟合出决策边界和数据分布。比如识别猫狗的神经网络，输入大量标注好类别的图像，通过神经网络算法，在高维空间

Datawhale·2022-12-11 09:40

西瓜书研读——第三章线性模型：线性几率回归（逻辑回归）

西瓜书研读系列：西瓜书研读——第三章线性模型：一元线性回归西瓜书研读——第三章线性模型：多元线性回归主要教材为西瓜书，结合南瓜书，统计学习方法，B站视频整理~人群定位：学过高数会求偏导、线代会矩阵运算、

猛男技术控·2022-12-11 01:43

用python写多项式拟合_多项式最小二乘法拟合的python代码实现

最近学习李航《统计学习方法》，在github上找到了这本书对应的源码，决定自己跟着敲一敲代码，也感谢代码的贡献者，链接如下：https://github.com/fengdu78/lihang-codegithub.com

weixin_39637256·2022-12-11 00:21

统计学习方法中GDBT简单实现

模型：加法模型、每个基学习器为CART回归树桩损失函数：平方误差迭代停止条件：基学习器数达到上限、或整体误差低于设定值importnumpyasnpimportmathimportmatplotlib.pyplotasplt#准备数据x=np.arange(1,11,1)threshold=np.linspace(1.5,9.5,num=9)y=np.array([5.56,5.70,5.91,6

围炉夜谈·2022-12-10 16:19

“上帝的算法”——EM

相比《统计学习方法》、《机器学习》来说，《数学之美》没有那么多的公式理论，全是科普性质的（开拓眼界），其中也不乏一些数学原理的解释，通俗易懂。

我曾经被山河大海跨过·2022-12-10 15:35

什么是欠拟合现象_深度学习中过拟合、欠拟合问题及解决方案

在进行数据挖掘或者机器学习模型建立的时候，因为在统计学习中，假设数据满足独立同分布(i.i.d，independentlyandidenticallydistributed)，即当前已产生的数据可以对未来的数据进行推测与模拟

达欣欣·2022-12-10 08:35

感知机对偶算法

知识源于——《统计学习方法（第二版）》李航感知机（perception)一种二分类的线性分类模型。输入为实例的特征向量，输出为实例的类别（二分类类别为-1，+1二值）。

木北鲜生·2022-12-10 08:03

ROS学习笔记之导航实现02_地图保存和读取

上一节我们已经实现通过gmapping的构建地图并在rviz中显示了地图，不过，上一节中地图数据是保存在内存中的，当节点关闭时，数据也会被一并释放，我们需要将栅格地图序列化到的磁盘以持久化存储，后期还要通过反序列化读取磁盘的地图数据再执行后续操作。在ROS中，地图数据的序列化与反序列化可以通过map_server功能包实现。1.map_server简介map_server功能包中提供了两个节点:m

要好好养胃·2022-12-10 07:56

多模态信息抽取（一）——融合知识图谱和多模态的文本分类研究（论文研读）

实体特征表示2.3图像特征表示2.4输入层2.5训练与分类3实验3.1数据集与评价方法3.2实验环境与模型参数3.3对比实验结果与分析4结术语参考文献:摘要：传统文本分类方法主要是基于单模态数据所驱动的经验主义统计学习方法

椒椒。·2022-12-10 00:54

推荐频道

02_统计学习