02_统计学习

统计学习知识点整理——梯度下降、最小二乘法、牛顿法

统计学习知识点整理——梯度下降、最小二乘法、牛顿法梯度下降梯度下降（gradientdescent）在机器学习中应用十分的广泛，不论是在线性回归还是Logistic回归中，它的主要目的是通过迭代找到目标函数的最小值
Turned_MZ·2022-11-14 07:52

SVM-求解最大间隔分离超平面

这道例题来自于李航《统计学习》第二版119页到120页，课本没有过程，我写下我的解题过程和大家一起分享下。下面是我的解题过程：
吱吱叫的老鼠·2022-11-14 07:09

机器学习-监督学习概论

笔记摘自李航《统计学习方法》监督学习是指从标注数据中学习预测模型的的机器学习问题，标注数据通常表示输入输出的对应关系，预测模型对给定的输入产生相应的输出，监督学习的本质是输入到输出的映射的统计规律。
HeartFireY·2022-11-13 11:13

统计机器学习笔记1--AI背景概论，损失函数，风险，，，

人工智能和统计学习，机器学习是人工智能的核心。机器学习还包括很流行的深度学习。人工智能（ArtificialIntelligence）定义：研究、开发用
糖醋代码文·2022-11-13 11:59

统计机器学习及监督学习概论

《统计学习方法-第一篇监督学习》统计机器学习及监督学习概论一、统计机器学习及监督学习概论：（一）、统计学习1.特点2.对象3.目的4.方法5.分类5.1基本分类5.2按模型分类5.3按算法分类5.4按技巧分类
Gsqsis·2022-11-13 11:27

支撑向量机

SVM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，根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳平衡，以求获得最好的推广能力。SVM可以用于数
周虽旧邦其命维新·2022-11-12 15:10

数据挖掘-层次聚类与K均值算法的R实现

基础知识来自教材：李航的《统计学习方法》本人小白，仍在不断学习中，有错误的地方恳请大佬指出，谢谢！
Rr-7·2022-11-12 11:11

iris数据_鸢尾花(iris)数据集主成分分析并绘制3D图案例应用（献给初学者）

由Fisher在1936年整理的Iris鸢尾花数据集是一个经典数据集，在统计学习和机器学习领域都经常被用作示例。
weixin_39531761·2022-11-11 23:48

机器学习算法：支持向量机（SVM）

参考书籍：Solem《python计算机视觉编程》、李航《统计学习方法》、周志华《机器学习》要理解好支持向量机需要较好的数学功底，且能不被公式以及文字绕晕，这里我们就理清楚支持向量机的大体过程。
夏天是冰红茶·2022-11-11 13:22

基于LS-SVM对偶问题的分类、回归、时间序列预测和无监督学习研究（Matlab代码实现）

SVM是在统计学习理论和结构风险最小化的背景下引入的在这些方法中，人们解决凸优化问题，通常是二次规划。最小
研学社·2022-11-11 08:12

李航 统计学习方法 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(定期回复)，包会！！】
#苦行僧·2022-11-10 23:19

支持向量机

文章目录基本思想硬间隔软间隔核函数概率化输出优缺点参考文献附录  支持向量机（SupportVectorMechine,SVM）是由统计学习之父弗拉基米尔·瓦普尼克提出的。
电器爆破专家·2022-11-10 14:53

机器学习算法总结--朴素贝叶斯

这次需要总结的是朴素贝叶斯算法，参考文章：《统计学习方法》机器学习常见算法个人总结（面试用）朴素贝叶斯理论推导与三种常见模型朴素贝叶斯的三个常用模型：高斯、多项式、伯努利简介朴素贝叶斯是基于贝叶斯定理与特征条件独立假设的分类方法
spearhead_cai·2022-11-09 12:12

【十分钟机器学习系列笔记】决策树-剪枝

视频作者：简博士-知乎(zhihu.com)；简博士的个人空间_哔哩哔哩_bilibili链接：【合集】十分钟机器学习系列视频《统计学习方法》_哔哩哔哩_bilibili原书：《统计学习方法》李航决策树生成算法递归地产生决策树
烧灯续昼2002·2022-11-07 15:27

多元逻辑回归公式推导

《统计学习方法》中关于多元逻辑回归公式推导，写的比较简单，正好前几天有同事对此比较疑惑，因此，在此进行详细推导，有助于大家共同学习。
Y神搞学习·2022-11-07 10:04

摒弃这18个 Python 坏习惯，让你的代码好用到起飞

资料推荐终于盼到了，Python数据科学速查表中文版来了20张最新可视化大屏模板，各行业数据直接套用(含源码)李航老师《统计学习方法
Love Python数据挖掘·2022-11-07 08:24

决策树（一）——构建决策树

决策树说明：这篇博客是看李航老师的《统计学习方法》做的笔记总结，博客中有很多内容是摘选自李航老师的《统计学习方法》一书，仅供学习交流使用。决策树（decisiontree）是一种基本的分类与回归方法。
IMPORT_UTIL·2022-11-04 16:17

李航—统计学习方法第一章课后答案

1.2原题：通过经验最小化推导极大似然估计，证明模型是条件概率分布，当损失函数是对数损失函数时，经验最小化等价于极大似然估计。以下答案写起来比较简洁清晰。但存在一个问题，因为两个目标函数实际上不是相等的，不能直接划等号，但他们在找到最优参数的效果上是相等的，所以称为等价。而其它方式说明等价正确性没问题，但写起来会比较麻烦。要说明需要用到样本独立同分布的假设，而题目中没有提到这一点（我认为这是题目不
xiaoxiao_wen·2022-11-04 13:37

李航老师《统计学习方法》第八章课后习题答案

其他章节答案请参考我的汇总统计学习方法答案汇总，都是自己写的。8.1、题目太长，懒得打字了因为训练数据实例的维度比书中的例子8.1的实例的维度大，也就是特征的数目比较多，因而需要进行特征选择。
六七～·2022-11-04 13:33

《统计学习方法》第8章习题答案

8.1classAdaboost_tree:def__init__(self,X,Y):self.X=np.array(X)self.Y=np.array(Y)self.N=len(X)self.feature_num=len(X[0])self.w=np.array([1/self.N]*self.N)self.g_x=[]self.get_feature_dict()defcompute_er
Lloaded%356·2022-11-04 13:32

统计学习第一章

目录统计学习1.绪论1.1监督学习1.3统计方法三要素1.4过拟合1.5正则化1.6交叉验证统计学习1.绪论统计学习可以分为:监督学习(样本有标签),无监督学习(样本无标签),半监督学习(一部分有标签,
ren9855·2022-11-04 13:57

李航《统计学习方法》第2版 第11章CRF课后习题答案

关于该章的笔记可参考：李航《统计学习方法》第2版第11章CRF中关于CRF矩阵形式的理解以及特征函数的理解监督学习部分结束~~~~~~
#苦行僧·2022-11-04 06:08

李航 统计学习方法 课后习题答案 第二版

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(定期回复)，包会！！】
#苦行僧·2022-11-04 06:38

李航《统计学习方法》第2版 第9章课后习题答案

习题9.1习题9.2习题9.32个分模型，5个参数μ0，σ0，μ1，σ1，（a0,a1）代码实现：importnumpyasnpimportitertoolsimportm
#苦行僧·2022-11-04 06:37

李航《统计学习方法》第2版 第10章HMM课后习题答案

HMM这一章比较简单，把原理弄熟，看着公式，用numpy实现很简单。习题10.1懒得手算，直接代码：importnumpyasnpimportpandasaspdclassMyHMM:def__init__(self,p,A,<
#苦行僧·2022-11-04 06:37

李航《统计学习方法》第2版 第3章课后习题答案

习题3.1题目：参照图3.1，在二维空间中给出实例点，画出k为1和2时的k近邻法构成的空间划分，并对其进行比较，体会k值选择与模型复杂度及预测准确率的关系。习题3.2题目：利用例题3.2构造的kd树求点x=(3,4.5)T的最近邻点。
#苦行僧·2022-11-04 06:07

李航《统计学习方法》第2版 第6章课后习题答案

习题6.1题目：确认逻辑斯谛分布属于指数分布族.习题6.2题目：写出逻辑斯谛回归模型学习的梯度下降算法.习题6.3题目：写出最大熵模型学习的DFP算法.（关于一般的DFP算法参见附录B）解：这个DFP算法可参考书本附录B对于习题6.2的逻辑斯蒂回归算法，这里用python自编程实现（学习算法采用梯度下降法）梯度下降法：<
#苦行僧·2022-11-04 06:07

李航《统计学习方法》第2版 第8章课后习题答案

习题8.1因计算量较大，所以这题用编程实现。我们先来看下课本例题8.1不是习题8.1，该题x只有1个特征，习题8.1中x有3个特征。对于例题8.1的实现代码如下（算法即书中的AdaBoost算法8.1）弱分类器由xv产生；此可看作是由一个根节点直接连接两个叶结点的简单决策树，即所谓的决策树桩。"""自编程实现课本例题8.1"""importnumpyasnpclassAdaBoost:def__i
#苦行僧·2022-11-04 06:07

李航 统计学习方法 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(定期回复)，包会！！】
#苦行僧·2022-11-04 06:32

02_[Linux操作系统]Linux基本操作指令

技巧：键盘上下键有记忆发生过的指令的能力。想要调用以往输入的指令，可以按键盘上下键。目录一、为什么要学习指令？二、怎么学习指令？三、指令操作1、pwd显示用户当前所在目录2、ls指令显示文件详细信息：ls-l+文件名显示文件详细信息（包括隐藏文件！）：ls-l-a将目录象文件一样显示，而不是显示其下的文件：ls–d+指定目录3、which指令指令本身也是Linux上的一些程序，也是以文件的形式存在
.阿Q.·2022-11-02 18:39

统计学习方法——感知机（自学笔记）

感知机是二类分类的线性分类模型。输入——实例特征向量；输出——实例类别，取+1，-1二值。用于求误分类的损失最小化，利用了梯度下降法定义如下图感知机模型如下图：感知机模型用于二分类，从图来理解定义就是wx+b=0这条直线将实例分为两个部分，这里用来sign函数，取值±1.wx+b构成了超平面，也可以这么理解2d——线；3d——面感知机的学习策略线性可分性也就是说能正确分在超平面两侧就是线性可分，不
zhangmnh·2022-11-01 14:55

机器学习——感知机python可视化实现

简介参考李航老师出版的《统计学习方法》，用python实现感知机学习的算法感知机算法这里贴书中介绍的算法原始形式：具体的推导和逻辑理解可以查看书籍或者网上的其它博客。
Kalankalan·2022-11-01 14:53

概率论与数理统计学习：数字特征（一）——知识总结与C语言实现案例

hello，大家好这里是第十期的概率论与数理统计的学习，我将用这篇博客去总结知识点和用C语言实现案例的过程。本期知识点——期望离散型随机变量的期望连续型随机变量的期望随机变量函数的期望期望的性质期望的引入随机变量的分布函数是对随机变量概率性质的完整的刻画，描述了随机变量的统计规律性。但在实际问题中有时不容易确定随机变量的分布，也没那个必要，而我们只需要知道它的某些特征就行了。这些特征就是随机变量的
0202ohh·2022-11-01 08:01

概率论与数理统计学习：随机向量（四）——知识总结

hello，大家好这里是第九期概率论与数理统计的学习，我将用这篇博客去总结这期的知识点和用C语言去实现做题的过程。本期知识点：随机向量函数的分布Z=X+YZ=X+YZ=X+Y的分布Z=max{X,Y}Z=max\{X,Y\}Z=max{X,Y}和Z=min{X,Y}Z=min\{X,Y\}Z=min{X,Y}的分布ok进入知识总结环节随机向量函数的分布在前面我们学到随机变量函数的分布，现在通过区别
0202ohh·2022-11-01 08:00

概率论与数理统计学习：随机变量（三）——知识总结与C语言实现案例

hello，大家好这里是第五期概率论与数理统计的学习，我将用这篇博客去整理知识点以及用C语言去实现做题的过程。注：关于用C语言实现做题的过程，这里不是去设计一个数学公式去做题，而是像平时写作业那样，先用书上的知识点去完成一个题目，然后再用C语言去得到题目的答案，过程可以有千千万万，只要能实现自己的想法就好。下面开始知识点的总结。随机变量函数的分布随机变量的分布函数…等等我们应该总结的是随机变量函数
0202ohh·2022-11-01 08:30

概率论与数理统计学习：随机向量（一）——知识总结与C语言实现案例

hello，大家好这里是第六期概率论与数理统计的学习。我将用这篇博客去整理知识点并在最后用C语言去实现具体案例。本期知识点：随机向量的引入二维随机向量及其分布函数二维离散型随机变量下面进入知识总结环节随机向量我们知道，随机变量是一个单值函数，也就是一个自变量对应于一个因变量。同C语言中的变量一样，一个变量只能有一个值。在前面的一些随机试验中，我们常常是用一个随机变量来描述的，但有些随机现象只用一个
0202ohh·2022-11-01 08:30

概率论与数理统计学习：随机向量（二）——知识总结与C语言实现案例

hello，大家好这里是第七期概率论与数理统计的学习，我将用这篇博客去总结知识点以及用C语言实现案例的过程。本期知识点：二维连续型随机向量均匀分布二维正态分布边缘分布边缘分布函数二维离散型随机向量的边缘概率分布二维连续型随机向量的边缘概率密度下面先总结知识点二维连续型随机向量上一期我们学习了二维离散型随机向量，那么这期就轮到连续型的啦。上一期总所周知啊，连续型是一个区间的概率，离散型是一个一个点的
0202ohh·2022-11-01 08:30

概率论与数理统计学习：随机向量（三）——知识总结与C语言实现案例

hello，大家好这里是第八期概率论与数理统计的学习，我将用这篇博客去总结这期的知识点以及实现用C语言去做题的过程。本期知识点：条件分布条件分布的概念离散型随机变量的条件概率分布连续型随机变量的条件概率密度随机变量的独立性那么首先进入知识总结的环节条件分布☁️条件分布的概念请大家先回忆一下，我们最开始是不是也学过这个啥条件的东西？对的，在前面的那叫条件概率，是对随机事件而言的，因为那时还没引入随机
0202ohh·2022-11-01 08:30

概率论与数理统计学习：随机事件（二）——知识总结与C语言实现案例

Hello，大家好。这是第二期概率论与数理统计的学习，我将用这篇博客来整理我所学习的内容，及用C语言去做例题的过程。那么话不多说，先梳理一下这期的知识点：条件概率啥是条件概率？把它分开读就是，“有条件的概率”，也就是这个概率有前提条件。P(A∣B)P(A|B)P(A∣B)：读作在事件B发生的条件下，事件A发生的条件概率。☁️相关性质设A和B是两个事件，且P(B)>0P(B)>0P(B)>0,则称P
0202ohh·2022-11-01 07:59

概率论与数理统计学习：随机变量（一）——知识总结与C语言案例实现

Hello，大家好这是第三期概率论与数理统计的学习，我将用这篇博客来整理我所学习的内容，及用C语言去做例题的过程。那么这一期要学习的是随机变量的定义和离散型随机变量。还是一样，先总结知识点在再进行C语言案例实现。随机变量的定义啥是随机变量？我们常把随机试验的结果与实数对应起来，也就是把随机试验的结果进行数量化。那么什么又是数量化呢？不要着急，先给出随机变量的定义：定义：设EEE是随机试验，Ω\Om
0202ohh·2022-11-01 07:59

概率论与数理统计学习：随机变量（二）——知识总结与C语言案例实现

hello，大家好。这里是第四期概率论与数理统计的学习，我将用这篇博客去整理知识点以及用C语言去实现案例。还是先总结一遍这期的知识点。连续型随机变量与随机变量的分布函数在上一期的学习中，我们总结了离散型随机变量的定义和它的概率分布，同时我们也提到了一个随机变量的概念——连续型随机变量。在前面我们给出离散型随机变量的特点是不连续，所以连续型随机变量的特点也就是连续了。但是，最开始的时候我一直没搞懂“
0202ohh·2022-11-01 07:59

概率论与数理统计学习：随机事件（一）——知识总结与C语言实现案例

大家好，我将用这个专题来记录我学习概率论与数理统计的过程，希望大家多多支持。这一篇呢主要是了解一下随机事件的基本概念、事件的概念和古典概率模型。首先，我们先介绍随机事件的一些相关概念。基本概念试验：我们把对某种现象的一次观察、测量或进行一次科学实验，统称为一个试验。随机试验：如果试验在相同的条件下可以重复进行，且每次试验的结果是事前不可预知的，则称此试验为随机试验，也简称为试验，记为EEE。样本空
0202ohh·2022-11-01 07:29

概率论与数理统计学习：数字特征（二）——知识总结与C语言实现案例

hello，大家好这里是第11期概率论与数理统计的学习，我将用这篇博客去总结知识点和用C语言实现简单例题的过程。本期知识点：方差方差的定义方差的性质几种常用随机变量的方差知识总结☁️方差的定义方差刻画了随机变量取值在其中心位置附近的分散程度，即随机变量取值与平均值的偏离程度。设随机变量XXX的期望为E(X)E(X)E(X)，为了刻画偏离程度的大小，用E[∣X−E(X)∣]E[|X-E(X)|]E[
0202ohh·2022-11-01 07:20

支持向量机SVM（上）

它源于统计学习理论，是除了集成算法之外，接触的第一个强学习器。它有多强呢？
Garcia-zhang·2022-10-30 07:47

用人话讲明白支持向量机SVM（上）

先看下官方定义：支持向量机方法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
化简可得·2022-10-30 07:47

周志华的《机器学习》西瓜书真的很难啃透吗？

相信大家和我一样，非李航的《统计学习方法》和周志华的《机器学习》莫属。周志华老师的《机器学习》，相信身边学机器学习的小伙伴可谓是人手一本了。but，这本书你真的啃下来了吗？
计算机视觉研究院·2022-10-27 21:43

拉格朗日对偶性问题的一些见解

李航《统计学习方法》中附录C中给出了拉格朗日对偶性的推导，在这里再重新捋一下其概念。应用拉格朗日对偶性的目的：将原始问题转换为对偶问题，通过求解对偶问题获得原始问题的解。
Yokate·2022-10-27 10:48

拉格朗日对偶问题的解释

0.内容介绍在约束最优化问题中，常常利用拉个朗日对偶性将原始问题转化为对偶问题，通过解对偶问题而得到原始问题的解，该方法应用在很多的统计学习方法中。
沧海磐石·2022-10-27 09:17

SVM分类器原理

而且SVM的另一大优势是以统计学习理论为基础，其特点是通过优化结构风险最小化来提高模型的泛化性能。具体的实施过程是：SVM通过构建一个最优分类超平面形成最大间隔，通过控制分类超平面两侧的间
李逍遥敲代码·2022-10-26 19:43

(三）总体上概要理解统计_第三部分：机器学习与统计决策

  经常听到说机器学习就是统计学习，其实，就二者的方法来说可以这样认为，尤其是对于典型的机器学习算法来说，如ANN、SVM、遗传算法等。但是对于关联规则等非典型方法这个说法不成立。
tiger007lw·2022-10-26 14:01
上一页 18 19 20 21 22 23 24 25 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他