《统计学习方法》勘误表

最新推荐文章于 2022-08-11 10:30:17 发布
最新推荐文章于 2022-08-11 10:30:17 发布
阅读量3.7k 收藏 18
点赞数 5
分类专栏： 机器学习 文章标签： 机器学习 统计学习方法 勘误表

李航老师的统计学习方法堪称是机器学习、数据挖掘等方向必读之书，然而书中难免有部分错误。

于是李航老师更新了新的勘误表，转载作为收藏

详情参见：http://blog.sina.com.cn/s/blog_7ad48fee01017dpi.html#cmt_3285959






ClownXu1130
关注
专栏目录
李航《统计学习方法》错误汇总修编
rosefun96的博客
12-03 4001
正确打开形式：从尾往上查，直到自己版本的书时修改版为止。参考：李航统计学习方法修正
《统计学习方法》勘误表_李航
01-27
统计学习方法固然牛气，但是不免李航老师还是有点小失误，于是就出现了统计学习方法的勘误表
《统计学习方法》P74勘误
微电子学与固体电子学-俞驰
10-22 302
gR(D,A)=g(D,A)H(D)g_R(D,A)=\frac{g(D,A)}{H(D)}gR​(D,A)=H(D)g(D,A)​ 改为 gR(D,A)=g(D,A)H(A)g_R(D,A)=\frac{g(D,A)}{H(A)}gR​(D,A)=H(A)g(D,A)​
统计学习方法EM算法的错误指出
share727186630的博客
03-07 658
不知道看统计学习方法的小伙伴有没有注意到李航老师在书上有一推导的错误的地方，在书上159页，利用Jensen不等式下面 在使用Jensen不等式之后的推导，出现了alg(b)-lg(c)=alg(b/c)这种形式的推导。很明显是错误的 虽然最后还是能推导出最后的式子，但是书上写的有一个明显的BUG，在此指出 ...
【包打听分享】概率统计勘误表v1.01
08-08
《概率统计勘误表v1.01》主要纠正了概率论与数理统计教材中的错误，以便读者能更准确地理解和应用相关概念。以下是部分关键知识点的详细说明： 1. **合格率与不合格率**：在描述中提到的"合格率为p，不合格率为p"，...
统计学习方法(第二版)+简博士 读书笔记
m0_50650660的博客
08-11 1270
自己学习过程所记笔记
李航《统计学习方法》EM算法导出，式9.13详细推导
weixin_40779727的博客
07-31 816
感觉书中对式子9.13的推导不严谨，补充式子（9-13）完整推导： 对于观测数据Y（不完全数据）关于参数 θ 的对数似然函数： L(θ)=log⁡P(Y∣θ)=log⁡∑ZP(Y,Z∣θ)=log⁡(∑ZP(Y∣Z,θ)P(Z∣θ)) \begin{aligned} L(\theta) &=\log P(Y | \theta)=\log \sum_{Z} P(Y, Z | \the...
李航统计学习方法总结与整理
热门推荐
菜鸟营
03-26 1万+
感知机（perception）：二类分类的线性模型，输入为实例的特征向量，输出为实例的类别，取+1，-1。 对应于输入空间中将样本实例分成正负两类的分离超平面，属于判别模型。 其损失函数为：所有误分类点到分类超平面的距离总和。目的为最小化这个距离总和。 其中，为误分类点到分离超平面距离...
《统计学习方法，李航》：3、k临近法与kd树
mmc2015的专栏
01-18 2838
以后文章就不再强调三要素（模型、策略、算法），而是直接上最新鲜的部分。 1）k的选择 2）距离的度量 3）k临近法的实现：kd树     3.1）kd树的构造     3.2）kd树的搜索 1）k的选择 一般初始化为比较小的值，用交叉验证判断哪一个值更好。 2）距离的度量 我们更常用的是欧氏距离，即p=2。 3）k临近法的实现：kd树 k临
《统计学习方法》+最小二乘拟合多项式系数推导过程+P12推导勘误
IDMer的博客
10-13 2700
《统计学习方法》在第十二页的求拟合多项式系数时，推出的结果与书本的不一致。在网上搜了《统计学习方法》勘误（http://blog.sina.com.cn/s/blog_7ad48fee01017dpi.html），结果还是错误的，也有一些人提出疑惑，但是李航博士也没有解答。本文试图推导最小二乘拟合多项式的过程，对书本的结果进行勘误，并且用向量的形式进行推导验证结果的正确性。     首先，原问题
统计学习方法第二版 第21章参考答案
wqtltm的博客
05-18 2332
本文所写答案是作者自己的见解，大家酌情参考，不足之处敬请指出。 21.1 假设方阵A是随机矩阵，即其每个元素非负，每列之和为1，证明任然是随机矩阵，其中k是自然数。 分析：我们只需要证明任意两个随机矩阵的乘积依然是随机矩阵即可。假设现在有随机矩阵A和随机矩阵B我们需要证明矩阵C=A*B也是随机矩阵即可。 证明： 假设随机矩阵A = [,,] 随机矩阵B =，其中...
《统计学习方法》（李航）第二版第一章总结
NaLi的博客
05-21 1854
导读 第一章是对统计学习中的基本思想、基本概念、以及常见问题类型的介绍。其中涉及的一些特定技术不用深究。需要重点理解的内容是模型过拟合的含义、模型泛化能力两部分。另外需要通过习题熟悉极大似然估计和贝叶斯两个估计方法。 本章概要的5点内容 统计学习包括监督学习、无监督学习和强化学习。 统计学习方法三要素：模型、策略、算法。 监督学习可以概括如下：从给定有限的训练数据出发，假设数据是独立同分布的，而...
《统计学习方法》勘误与修正
"统计学习方法勘误" 统计学习方法是一门深入探讨机器学习理论与实践的学科，涉及数据建模、参数估计、模型选择等多个方面。这篇文档详细记录了统计学习方法教材中的一些错误和修正，对于理解相关概念和算法至关重要...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值