机器学习-李航-统计学习方法学习笔记之感知机(1)
感知机应该是机器学习里面最简单的模型了。读一遍文章也能理解作者想表达的意思。因为以前像梯度下降，多项式拟合，神经网络都在Andrew Ng的公开课上看过了。但是真正关于书中的公式却不怎么理解。一些简单的作者也没有推导。毕竟这是机器学习，不是微积分，或者线性代数，或者概率论 ...
原文：机器学习-李航-统计学习方法学习笔记之感知机(2)
在机器学习 李航 统计学习方法学习笔记之感知机 中我们已经知道感知机的建模和其几何意义。相关推导也做了明确的推导。有了数学建模。我们要对模型进行计算。 感知机学习的目的是求的是一个能将正实例和负实例完全分开的分离超平面。也就是去求感知机模型中的参数w和b.学习策略也就是求解途径就是定义个经验损失函数，并将损失函数极小化。我们这儿采用的学习策略是求所有误分类点到超平面S的总距离。假设超平面s的误分 ...
2015-03-19 22:57 2 4521 推荐指数：
相关推荐
李航-统计学习方法-笔记-2：感知机
感知机 基本模型：感知机1957年由Rosenblatt提出，是神经网络与SVM的基础。它是一个二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。 \[f(x)=sign(w \cdot x+b) \\ sign(x)= \left\{\begin ...
李航-统计学习方法-笔记-8：提升方法
提升方法 简述：提升方法（boosting）是一种常用的统计学习方法，应用广泛且有效。在分类问题中，它通过改变训练样本的权重，学习多个分类器，并将这些分类器进行线性组合，提高分类的性能。 本章 （1）介绍boosting方法的思路和代表性的boosting算法AdaBoost （2）通过训练 ...
李航-统计学习方法-笔记-3：KNN
KNN算法 基本模型：给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的k个实例。这k个实例的多数属于某个类，就把输入实例分为这个类。 KNN没有显式的学习过程。 KNN使用的模型实际上对应于特征空间的划分。特征空间中，对每个训练实例点\(x_i\)，距离该点比其它点更近 ...
李航-统计学习方法-笔记-1：概论
写在前面 本系列笔记主要记录《统计学习方法》中7种常用的机器学习分类算法，包括感知机，KNN，朴素贝叶斯，决策树，逻辑斯谛回归与最大熵模型，SVM，boosting。 课本还涉及到3种算法是关于概率模型估计和标注问题的，暂未列入学习计划，所以笔记中没有涉及，包括EM算法，隐马尔可夫模型，条件 ...
李航-统计学习方法-笔记-12：总结
10种统计学习方法特点的概括总结 本书共介绍了10种主要的统计学习方法：感知机，KNN，朴素贝叶斯，决策树，逻辑斯谛回归与最大熵模型，SVM，提升方法，EM算法，隐马尔可夫模型，条件随机场（CRF）。 适用问题 感知机，KNN，朴素贝叶斯，决策树，逻辑斯谛回归与最大熵模型，SVM，提升 ...
统计学习方法：感知机
作者：桂。 时间：2017-04-16 11:53:22 链接：http://www.cnblogs.com/xingshansi/p/6718503.html 前言 今天开始学习李航的《统计学习方法》，考虑到之前看《自适应滤波》，写的过于琐碎，拓展也略显啰嗦，这次的学习 ...
李航-统计学习方法-笔记-7：支持向量机
简述 支持向量机 ：是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机。 核技巧：SVM还包括核技巧，这使它成为实质上的非线性分类器。 间隔最大化：SVM的学习策略是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数 ...