统计学习方法知识索引

声明:本文所有内容及其链接内容均来自于统计学习方法,只为了本人学习使用,不做任何商业用途,特此声明,如有违规,可以联系我。
1,统计学习2,监督学习3,统计三要素4,模型评估与模型选择5,正则化和交叉验证6,泛化能力7,生成模型与判别模型8,分类问题9,标注问题 10,回归问题
感知机,感知机模型,感知机学习策略,感知机学习算法,算法的收敛性,感知机学习方法,感知机学习算法的对偶形式,
K近邻法,K近邻算法,K近邻模型,K近邻算法的实现:kd树
朴素贝叶斯法,朴素贝叶斯法的学习与分类,朴素贝叶斯法的参数估计,
决策树,决策树模型与学习,特征选择,决策树的生成,决策树的剪枝,cart算法,
逻辑斯提回归与最大熵模型,模型学习的最优化算法,
支持向量机,线性可分支持向量机与硬间隔最大化,线性可分支持向量机与软间隔最大化,线性可分支持向量机与核函数,序列最小最优化算法,
提升方法,提升方法adaBoost算法,adaBoost算法的训练误差分析,adaBoost算法的解释,提升树,
EM算法及其推广,EM算法的收敛性,EM算法在高斯混合模型学习中的应用,
隐马尔科夫模型,概率计算算法,
梯度下降法
条件随机场,概率无向图模型,条件随机场的概率计算问题,条件随机场的学习算法,条件随机场的预测算法
拉格朗日对偶性
统计学习方法总结
牛顿法与拟牛顿法,
 
 
 
 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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