支持向量機(supportvectormachines,SVM) 是一種二類分類模型.它的基本模型是定義在特征空間上的間隔最大的線性分類器，間隔最大使它有別於感知機; 支持向量機還包括核技巧，這使它成為實質上的非線性分類器.支持向量機的學習策略就是間隔最大化，可形式化為一個求解凸二次 ...

隱馬爾可夫模型(hidden Markov model,HMM) 是可用於標注問題的統計學習模型，描述由隱藏的馬爾可夫鏈隨機生成觀測序列的過程，屬於生成模型.本章首先介紹隱馬爾可夫模型的基本概念，然后分別敘述隱馬爾可夫模型的概率計隱馬爾可夫模型在語音識別、自然語言處理、算算法、學習 ...

提升方法 簡述：提升方法（boosting）是一種常用的統計學習方法，應用廣泛且有效。在分類問題中，它通過改變訓練樣本的權重，學習多個分類器，並將這些分類器進行線性組合，提高分類的性能。 本章 （1）介紹boosting方法的思路和代表性的boosting算法AdaBoost （2）通過訓練 ...

第一章 統計學習方法概論 統計學習的主要特點是: (1)統計學習以計算機及網絡為平台，是建立在計 算機及網絡之上的; (2)統計學習以數據為研究對象，是數據驅動的學科； (3)統 ...

第12章 統計學習方法總結 1 適用問題 分類問題是從實例的特征向量到類標記的預測問題； 標注問題 是從觀測序列到標記序列(或狀態序列)的預測問題。可以認為分類問題是標注 問題的特殊情況。 分類問題中可能的預測結果是二類或多類； 而標注問題 ...

KNN算法 基本模型：給定一個訓練數據集，對新的輸入實例，在訓練數據集中找到與該實例最鄰近的k個實例。這k個實例的多數屬於某個類，就把輸入實例分為這個類。 KNN沒有顯式的學習過程。 KNN使用的模型實際上對應於特征空間的划分。特征空間中，對每個訓練實例點\(x_i\)，距離該點比其它點更近 ...

寫在前面 本系列筆記主要記錄《統計學習方法》中7種常用的機器學習分類算法，包括感知機，KNN，朴素貝葉斯，決策樹，邏輯斯諦回歸與最大熵模型，SVM，boosting。 課本還涉及到3種算法是關於概率模型估計和標注問題的，暫未列入學習計划，所以筆記中沒有涉及，包括EM算法，隱馬爾可夫模型，條件 ...

轉自：https://github.com/SmirkCao/Lihang 最近又撿起了李航老師的《統計學習方法》開始啃，之前因為干貨太多一看就困索性放棄（捂臉~），突然在知乎上看到有大神的總結，希望大神能帶我飛哈哈。 [TOC] GitHub的markdown公式支持一般, 推薦使用 ...