李航老师《统计学习方法》及相关资源（代码、课件）的汇总及下载_统计学习方法李航(1)

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

我们可以看到：《统计学习方法（第2版）》分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank算法等。
《统计学习方法（第2版）》比第一版更全面，而且价格也不高（不到100元还有打折）。这本书是统计机器学习及相关课程的教学参考书，适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生，也可供计算机应用等专业的研发人员参考。

出于版权保护，本文不提供电子书下载，请大家购买正版。

---

2. 《统计学习方法》的代码实现

《统计学习方法》这本书，附件里并没有代码实现，于是许多研究者复现了里面算法的代码，并放在github里分享，这里介绍几个比较热门的《统计学习方法》代码实现的项目：

1）https://github.com/fengdu78/lihang-code （标星：13.6k+）

这个仓库由黄海广博士整理，第一版的监督学习方法已经整理完毕(更新完十二章)，仓库的主要内容以Jupyter Notebook格式展现，同时介绍书上的主要算法及公式推导。

2）https://github.com/WenDesi/lihang_book_algorithm （标星：4.7k+）

这个仓库不介绍任何机器学习算法的原理，只是将《统计学习方法》中每一章的算法用我自己的方式实现一遍。除了李航书上的算法外，还实现了一些其他机器学习的算法，这个仓库用Python代码实现。(更新完十二章)

3）https://github.com/Dod-o/Statistical-Learning-Method_Code （标星：7k+）

这个仓库力求每行代码都有注释，重要部分注明公式来源。具体会追求下方这样的代码，学习者可以照着公式看程序，让代码有据可查。(更新完二十一章)

代码截图，注释完整且规范

4）https://github.com/SmirkCao/Lihang （标星：4.1k+）

这个仓库用markdown编写，前十二章更新完毕，后面部分也更新了大部分，没有代码，但是，公式推导相当全。

---

3. 《统计学习方法》课件

《统计学习方法》第二版的最新课件是由清华大学深圳研究院的袁春教授制作的。我们一起来看看该课件的主要内容。

所有的课件都是 ppt 格式，总共包含 22 章。正好是《统计学习方法》第 2 版的完整内容。

完整版下载见文末！

---

资源获取

本文搜集了李航老师的《统计学习方法》的相关资源。

以上资源我们已经打包整理完毕！需要的可以按照以下方式获取：

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

那么很难做到真正的技术提升。**

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！