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，