📚 lihang-notes:《统计学习方法-李航: 笔记-从原理到实现》 这是一份非常详细的学习笔记,200页PDF🎉,各种手推公式细节讲解以及R语言实现,整理成PDF,有详细的目录,可结合《统计学习方法》提高学习效率。❤如果觉得有用,不妨给个🌟Star支持一下吧~❤

• 第一章 统计学习方法概述 ©️<点击下载!> 🎉🎉
  • 1.6.2 泛化误差上界(P16-P17)
  • 1.4.2 过拟合与模型选择(P11)
• 第二章 感知机 ©️<点击下载!> 🎉🎉
  • 2.3.1 感知机算法的原始形式
  • 2.3.2 算法的收敛性(Novikoff 定理)(P31-P33)
  • 2.3.3 感知机学习算法的对偶形式(P33-P34)
  • 2.3.1 感知机算法的原始形式(P28-P29)
  • 2.3.3 感知机学习算法的对偶形式(P33-P34)
• 第三章 K 近邻法 ©️<点击下载!> 🎉🎉
  • 3.2.2 距离度量(P39)
  • 3.3.1 构造kd 树(P41-P42)
• 第四章 朴素贝叶斯算法 ©️<点击下载!> 🎉🎉
  • 4.1.1 基本方法(P47-P48)
  • 4.1.2 后验概率最大化的含义(P48-49)
  • 4.2.1 极大似然估计(P49)
  • 4.2.2 学习与分类算法(P50-51)
• 第五章 决策树 ©️<点击下载!> 🎉🎉
  • 5.2.2 信息增益(P60-P61)
  • 5.2.3 信息增益比(P63)
  • 5.3.1 ID3 算法/C4.5 算法(P63-P65)
  • 5.4 决策树的剪枝(P65-P67)
  • 5.5.1 CART 生成(P68-P71)
  • 5.5.2 CART 剪枝(P72-P73)
• 第六章 逻辑斯蒂回归与最大熵模型 ©️<点击下载!> 🎉🎉
  • 6.1.3 逻辑斯蒂回归模型的参数估计(P79)
  • 6.2.3 最大熵模型的学习(P83-P85)
  • 6.2.4 极大似然估计(P87)
  • 6.3.1 改进的迭代尺度算法(P89-P91)
• 第七章 支持向量机 ©️<点击下载!> 🎉🎉
  • 7.1.3 间隔最大化(P101)
  • 7.1.4 学习的对偶算法(P104)
  • 7.2.3 支持向量(P113)
  • 7.4 序列最小最优化算法(P126)
• 第八章 提升方法 ©️<点击下载!> 🎉🎉
  • 8.1.2 Adaboost 算法(P139)
  • 8.2 AdaBoost 算法的训练误差分析(P142-P145)
  • 8.3.2 前向分步算法与 AdaBoost(P145-P146)
  • 8.4.3 梯度提升(P151)
  • 8.1.3 AdaBoost 的例子(P140)
• 第九章 EM 算法及其推广 ©️<点击下载!> 🎉🎉
  • 9.2 EM 算法的收敛性(P161)
  • 9.3.1 高斯混合模型(P163)
  • 9.4 EM 算法的推广(P167)
  • 9.3.1 高斯混合模型的 EM 算法(165)
• 第十章 隐马尔可夫模型 ©️<点击下载!> 🎉🎉
  • 10.2.2 前向算法(P175-P176)
  • 10.2.3 后向算法(P178-P179)
  • 10.4.2 维特比算法(P185)
  • 10.2.4 一些概率与期望值的计算(P179-P180)
  • 10.2.2 前向算法(P175-P177)
  • 10.2.3 后向算法(P178)
  • 10.2.4 一些概率与期望值的计算(P179-P178)
  • 10.3.1 监督学习方法(P180)
  • 10.3.2 Baum-Welch 算法(P181-P184)
  • 10.4.1 近似算法(P184)
  • 10.4.2 维特比算法(P185-P186)
• 十一章 条件随机场 ©️<点击下载!> 🎉🎉
• 参考文献 ©️<点击下载!> 🎉🎉
• 附录 1 例 1.1 的 R 实现/训练误差与预测误差的对比
• 附录 2 线性可分/不可分感知机的 R 实现
• 附录 3 离散特征的 2 维平衡 kd 树 R 代码
• 附录 4 离散特征的朴素贝叶斯法 R 代码
• 附录 5 决策树的实现的 R 代码
• 附录 6 逻辑斯蒂回归及最大熵模型的 R 实现
• 附录 7 基于 SMO 算法的支持向量机的 R 实现
• 附录 8 提升算法的 R 代码
• 附录 9 EM 算法的 R 实现
• 附录 10 HMM 模型的 R 实现

• 📚 目录 ©️<点击下载!> 🎉🎉

• 📚 K 近邻 ©️<点击下载!> 🎉🎉

• 📚 KD 树 ©️<点击下载!> 🎉🎉

• 📚 信息增益比 ©️<点击下载!> 🎉🎉

• 📚 支持向量机 ©️<点击下载!> 🎉🎉

• 📚 AdaBoost ©️<点击下载!> 🎉🎉

• 📚 隐马尔可夫模型 ©️<点击下载!> 🎉🎉

GNU General Public License v3.0

🌟如果觉得有用,不妨给个🌟👆🏻Star支持一下吧~

@misc{lihang-notes@2019,
 title={lihang-notes: A detail note book of statistic-learning with R codes},
 url={https://github.com/xlite-dev/lihang-notes},
 note={Open-source software available at https://github.com/xlite-dev/lihang-notes},
 author={xlite-dev},
 year={2019}
}