![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
统计学习方法
文章平均质量分 65
Lloaded%356
这个作者很懒,什么都没留下…
展开
-
360 2022年秋招技术综合机试
360 2022年秋招技术综合回顾原创 2022-10-24 22:00:00 · 1189 阅读 · 0 评论 -
《统计学习方法》课程资料整理
我的博客章节网址第1章第1章第1章第1章第1章其他资源博主网址备注Brielleqqqqqqjie《统计学习方法》课后习题答案汇总1到11章《统计学习方法》课后习题答案汇总1到11章...原创 2021-05-17 08:40:06 · 193 阅读 · 0 评论 -
《统计学习方法》第15章习题答案(持续更新)
15章题目答案原创 2021-01-15 19:43:00 · 3490 阅读 · 7 评论 -
《统计学习方法》第1章习题答案
1.1说明伯努利模型的极大似然估计以及贝叶斯估计中的统计学习方法三要素。伯努利模型是定义在取值为 0 与 1 的随机变量上的概率分布。假设观测到伯努利模型n 次独立的数据生成结果,其中 k 次的结果为 1,这时可以用极大似然估计或贝叶斯估计来估计结果为 1 的概率。1)最大似然估计模型:伯努利分布策略:风险函数最小化算法:记∑i=1nxi=k\sum_{i=1}^{n} x_i = k∑i=1nxi=k似然函数L(x,p)=p(x∣p)=∏i=1np(xi∣p)=pk(1−p)n−kL(x原创 2020-12-31 09:22:15 · 251 阅读 · 1 评论 -
《统计学习方法》第7章习题答案
7.2min12∥w∥2s.t.yi(w⋅xi+b)≥1,i=1,2,…,5\min \frac{1}{2} {\parallel w \parallel}^2 \\ s.t. y_i(w \cdot x_i + b) \ge 1,i=1,2,\ldots,5 min21∥w∥2s.t.yi(w⋅xi+b)≥1,i=1,2,…,5将(x1,y1),…,(x5,y5)(x_1,y_1),\ldots,(x_5,y_5)(x1,y1),…,(x5,y5)代入,得min12(w12+w22原创 2020-12-30 09:25:21 · 1595 阅读 · 2 评论 -
《统计学习方法》第14章习题答案
14.2定义1:设TTT为给定的正数,若集合GGG中任意两个样本xi,xjx_i,x_jxi,xj,有dij≤Td_{ij} \le Tdij≤T,则称GGG为一个类。1)设T′T'T′为给定的正数,取T′=TT' = TT′=T,根据定义1可知,对集合GGG的任意样本 ,一定存在xjx_jxj,有dij≤Td_{ij} \le Tdij≤T。因此可以推出定义2。2)将G中所有的xj≠xix_j \neq x_ixj=xi对应的dijd_{ij}dij相加得∑xj∈Gdij≤(n原创 2020-12-25 20:49:59 · 1546 阅读 · 3 评论 -
《统计学习方法》第11章习题答案
11.1图11.3中最大团是{Y1,Y2,Y3Y_1,Y_2,Y_3Y1,Y2,Y3},{Y2,Y3,Y4Y_2,Y_3,Y_4Y2,Y3,Y4}根据Hammersley-Clifford定理可知概率图模型可分解为P(Y)=1Z∏CΨC(YC)=1ZΨC1(Y1,Y2,Y3)ΨC2(Y2,Y3,Y4)P(Y) = \frac{1}{Z}\prod_C \Psi_C(Y_C) = \frac{1}{Z} \Psi_{C_1}(Y_1,Y_2,Y_3)\Psi_{C_2}(Y_2,Y_3,Y_转载 2020-12-19 11:30:30 · 590 阅读 · 0 评论 -
《统计学习方法》第10章习题答案
10.2参考:李航统计学习方法第二版第十章习题解答α1(1)=π1b1(o1)=0.2×0.5=0.1\alpha_1(1) = \pi_1 b_1(o_1) = 0.2 \times 0.5 = 0.1α1(1)=π1b1(o1)=0.2×0.5=0.1α1(2)=π2b2(o1)=0.3×0.4=0.12\alpha_1(2) = \pi_2 b_2(o_1) = 0.3 \times 0.4 = 0.12α1(2)=π2b2(o1)=0.3×0.4=0.12α1(3)=π3b3原创 2020-12-11 09:23:34 · 2019 阅读 · 3 评论 -
《统计学习方法》第8章习题答案
8.1class Adaboost_tree: def __init__(self, X, Y): self.X = np.array(X) self.Y = np.array(Y) self.N = len(X) self.feature_num = len(X[0]) self.w = np.array([1 / self.N] * self.N) self.g_x = [] sel原创 2020-12-04 08:10:47 · 3449 阅读 · 4 评论 -
《统计学习方法》第7章习题答案(持续更新)
注:前面的习题待完善,稍后补充。7.3minw,b,ξ12∥w∥2+C∑i=1Nξi2s.t.yi(w⋅xi+b)≥1−ξi,i=1,2,…,Nξi≥0,i=1,2,…,N\min_{w,b,\xi} \frac{1}{2} {\parallel w \parallel}^2 + C \sum_{i=1}^N {\xi_i}^2 \\s.t. \quad y_i(w \cdot x_i + b) \ge 1 - \xi_i, i =1,2,\ldots,N \\ \xi_i \ge0, i=1,2原创 2020-11-16 07:25:15 · 1681 阅读 · 2 评论