查看原文
其他

经典复现:《统计学习方法》的代码实现(在线阅读!)

机器学习初学者 机器学习初学者 2022-05-16

李航老师的《统计学习方法》可以说是机器学习的入门宝典,我将这本书的算法用Python代码复现了,并做成在线阅读版本,可以利用碎片时间阅读。(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7700+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。

很多朋友希望能在手机利用碎片时间学习,于是我把完整代码放在了公众号文章里,并在本文做好阅读目录,可以在线打开学习


图书购买

尊重李航老师的劳动成果,拒绝盗版。


资料说明

《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。第一版和第二版前面十二章相同,第二版多了无监督学习的内容:


目录

第1篇 监督掌习(代码已经完成,点击相应章节打开

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章逻辑斯谛回归与最大熵模型
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(还在制作中

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


建议学习方法

使用微信收藏本文,学习的时候,从本文点击相关章节的链接进行学习。

文章里也是完整代码,如果需要下载代码学习,请访问github:

https://github.com/fengdu78/lihang-code

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存