站在巨人的肩膀上：《统计学习方法》的代码实现（github标星7095+）
李航老师的《统计学习方法》可以说是机器学习的入门宝典，许多机器学习培训班、互联网企业的面试、笔试题目，很多都参考这本书。为解决github下载速度较慢，我将我的github仓库打包成镜像文件，放到百度云提供下载，5秒即可保存。（黄海广）
资源介绍
我初学机器学习过程中，李航老师的《统计学习方法》给我极大的帮助，我试着从github搜索下载和自己修改代码，把这本书用python代码实现了，并放到了github下载（差不多7095+star）：
https://github.com/fengdu78/lihang-code
今年7月我参加机器之心举办的GMIS峰会，见到来了李航老师，加了微信，简单交流了下，我做的这个项目得到了李航老师的肯定，后来我邀请李航老师加入了我的博士微信群，李航老师热情应邀。
图：代码目录（ipynb格式）
图：代码截图（ipynb格式）
图书说明
《统计学习方法》第一版于 2012年出版，讲述了统计机器学习方法，主要是一些常用的监督学习方法。第二版增加了一些常用的无监督学习方法，由此本书涵盖了传统统计机器学习方法的主要内容。
购买链接（点击小程序购买）：
两个版本比较，前面十二章相同，第二版多了无监督学习的内容：
第二版课程目录：
第1篇 监督掌习
第1章统计学习及监督学习概论
第2章感知机
第3章k近邻法
第4章朴素贝叶斯法
第5章决策树
第6章逻辑斯谛回归与优选熵模型
第7章支持向量机
第8章提升方法
第9章EM算法及其推广
第10章隐马尔可夫模型
第11章条件随机场
第12章监督学习方法总结
第2篇无监督学习
第13章无监督学习概论
第14章聚类方法
第15章奇异值分解
第16章主成分分析
第17章潜在语义分析
第18章概率潜在语义分析
第19章马尔可夫链蒙特卡罗法
第20章 潜在狄利克雷分配
第21章 PageRank算法
第22章 无监督学习方法总结
附录A 梯度下降法
附录B 牛顿法和拟牛顿法
附录C 拉格朗日对偶性
附录D 矩阵的基本子空间
附录E KL散度的定义和狄利克雷分布的性质
百度云下载文件说明
由于某种原因，国内用户访问github非常慢，下载资源经常失败，于是，为方便读者，我们把github内容做成镜像文件予以发布，针对非会员无法一次性保存大量文件，我把所有文件压缩成一个iso文件，转存即可，只需5秒即可保存！
文件说明：
lihang-code.iso
https://github.com/fengdu78/lihang-code
全站镜像（《统计学习方法》的代码实现）
链接:
https://pan.baidu.com/s/1mJmZlwdOuONATP_IpXnLog
提取码: bcgb
备注：本人其他github也做成镜像下载了，近期将陆续介绍每个热门仓库：
机器学习初学者
往期精彩回顾