![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
统计学笔记
baekii
这个作者很懒,什么都没留下…
展开
-
【李航统计学】Chap3:K近邻(总结+代码实现+课后题)
Chap3:K近邻1. K近邻算法2. K近邻模型2.1 距离度量1. K近邻算法k近邻法(k-nearest neighbor, KNN)是一种基本的分类与回归方法,在这里我们只讨论分类问题中的K近邻。k近邻法假设给定的一个数据集,其中的实例类别已定。分类时,对于新的实例,跟据其K个最近邻的训练实例的类别,通过多数表决等方式进行预测。特别的,我们将k=1的特殊情形成为最近邻算法2. K近邻模型k近邻法主要包括三个基本要素:K值选择,距离度量以及分类决策规则。特征空间中,对于每个训练实例x原创 2020-09-20 22:44:08 · 483 阅读 · 0 评论 -
【李航统计学】Chap2:感知机及代码实现
Chap2:感知机1. 感知机模型2. 感知机学习策略2.1 损失函数2.2 范数1. 感知机模型感知机 是二类分类的线性分类模型,其输入为实例的特征向量,输出为实例的类别,取+1和-1二值。感知机对应于输入空间(特征空间)中将实例划分为正负两类的分离超平面,属于判别模型。感知机模型的假设空间是定义在特征空间中的所有线性分类模型(linear classification medel)或线性分类器(linear classifier),即函数集合{f∣f(x)=w⋅x+b}\{f|f(x) = w原创 2020-09-13 22:48:55 · 513 阅读 · 0 评论 -
【李航统计学笔记】Chap1:统计学习及监督学习概论
Chap1:统计学习及监督学习概论1 统计学习分类1.1 基本分类1.1.1 监督学习1.1.2 无监督学习1.1.3 强化学习1.1.4 半监督学习与主动学习1.2 按算法分类1.2.1 在线学习1.2.2 批量学习1.3 按模型分类1.3.1 概率模型与非概率模型1.3.2 线性模型与非线性模型1.3.3 参数化模型与非参数化模型2 各种概率与贝叶斯公式2.1 问题描述2.2 条件概率2.3 先验概率2.4 后验概率2.5 全概率公式2.6 贝叶斯公式Chap1 都是些初步的概念,后续都有详细展开,原创 2020-09-07 17:32:20 · 266 阅读 · 0 评论