李航《统计学习方法》第二版-第一章习题

最新推荐文章于 2022-11-11 19:47:58 发布
最新推荐文章于 2022-11-11 19:47:58 发布
阅读量144 收藏
点赞数
文章标签： 概率论
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/so_kind/article/details/121024905
版权

1、准备知识

一、伯努利分布

只有两种结果

 

 

二、二项分布

 三、极大似然估计（MLE）

要求使样本出现概率最大的\theta，由样本求得，完全依赖于数据

四、贝叶斯最大后验概率估计（MAP）

\theta有先验知识，不完全依赖于数据，还依赖于先验知识

贝叶斯最大后验概率比极大似然多了一项P（\theta）先验概率

五、极大似然估计等价于经验风险最小化

 

so_kind
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
统计学习方法 第一章习题
weixin_43239842的博客
07-20 451
习题 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或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。 答： （1） 伯努利模型的极大似然估计以及贝叶斯估计的三要素: 估计 ...
李航《统计学习方法》（第二版）习题10.1python实现
12-21
《统计学习方法》是李航博士的一本经典著作，它深入浅出地介绍了机器学习中的统计学习理论。在第二版的习题10.1中，涉及到的是隐马尔可夫模型（Hidden Markov Model, HMM）的学习，具体是通过Python实现前向算法...
《统计学习方法》第一章习题
qq_42714262的博客
11-11 571
伯努利模型的极大似然估计和贝叶斯估计
统计学习方法-- 第一章习题
li9669的博客
03-20 451
Q1: 说明伯努利模型的极大似然估计。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和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中有k次结果为1.尝试用极大似然估计来估计结果为1的概率 A1: 伯努利模型是为了纪念瑞士科学家雅各布伯努利命名。 是指在随机事件中某事件是否发生，实验的结果只有两个。这种模型称之为伯努利模...
李航《统计学习方法》（第二版）习题10.3python实现
qq_34924057的博客
05-03 301
题目的条件和习题10.1一样，要求使用维特比算法纠结最优路径*I** 使用python编写执行维特比算法的程函数，输入为观测序列和模型参数，输出为最优路径和出现此最优路径的概率。 ‘’’ input: A: 状态转移概率矩阵 B: 观测概率矩阵 pai: 初始状态概率向量 O: 观测序列 T: 观测序列的个数 N: 状态序列的个数 output: i_star: 最优路径 P_star: 最优路径...
统计学习第一章习题
Paul_Huang的专栏
10-18 491
统计学习方法第一章习题
统计学习方法（第二版）-李航课件
最新发布
05-17
共22章：机器学习和统计学习、感知机和统计学习方法总结、K-J近邻算法、贝叶斯分类器、决策树、Logistic回归、SVM及核函数、adaboost、EM算法、隐马尔可夫模型、条件随机场、无监督学习概论、聚类方法、奇异值分解、...
李航老师《统计学习方法》第2版课件全套.rar
03-10
李航老师《统计学习方法》第2版课件全套.rar
统计学习方法习题1.1
qq_42896919的博客
04-20 306
对于贝叶斯估计： Beta分布参考https://blog.csdn.net/a358463121/article/details/52562940
统计学习方法(第一章)
qq_41695702的博客
06-27 381
1.1 统计学习 (1)统计学习分为监督学习、半监督学习、无监督学习和强化学习。 监督学习的任务是学习一个模型，使得模型能够对任意给定的输入，对其输出做一个好的预测，监督学习的应用最为广泛 (2)输入空间、输出空间、特征空间 在监督学习中，输入与输出的所有可能取值的集合分别称为输入空间和输出空间。 输入空间与输出空间可能相同，也可能不同，通常输入空间小于输出空间。 每个具体的输入是一个实例，通常由...
李航 统计学习方法 第一章 课后题
qq_42733062的博客
06-03 312
第一章 习题1.11.2 1.1 统计学习方法三要素： 模型：所要学习的条件概率分布或决策函数 策略：从假设空间中选择最优模型所用的损失函数或风险函数 算法：用什么样的方法求解最优模型，最小化损失函数 极大似然估计-统计学习方法三要素： 模型：所要学习的概率分布函数 策略：极大化似然函数 算法：求导 贝叶斯估计-统计学习方法三要素： 模型：所要学习的概率分布 策略：极大化贝叶斯估计函数 算法：求导 极大似然估计计算： 贝叶斯估计计算 贝叶斯估计认为θ不是一个确定的值而是一个概率分布 1.2
李航《统计学习方法》第一章复习与习题参考解答
徐子尧的博客
07-04 4376
1、统计学习三要素除了介绍一些基本概念之外，李航《统计学习方法》第一章的重点是提出了统计学习的三要素，即 方法 = 模型 + 策略 + 算法 更确切地说，统计学习方法包括模型的假设空间、模型选择的准则以及模型学习的算法。今后在学习任何统计学习方法的时候可以从这三方面着手。1.4节“模型评估与模型选择”与1.5节“正则化与交叉验证”都是对1.3.2节“策略”的补充。“策略”指的是，既然在选定的模型
统计学习方法 课后题1
zhouxiaozhu123的博客
05-02 251
第一章 统计学习方法三要素：模型、策略、算法。 模型 概率模型 伯努利模型 ： 定义在取值为0,1的随机变量上的概率分布（条件概率分布） 0-1分布 p(x)=θx(1−θ)1−xp(x)=θx(1−θ)1−xp(x) = \theta^x(1-\theta)^{1-x} ,随机变量xxx只取0,1两个值 二项分布 pn(k)=Cknθk(1−θ)n−kpn(k)=Cnkθk(1...
统计学习方法 第一章习题答案
热门推荐
qq_41562704的博客
08-05 1万+
1.1 1.2 题目：通过经验风险最小化推导极大似然估计。证明模型是条件概率分布，当损失函数是对数损失函数时，经验风险最小化等价于极大似然估计。 答：这个结论出自1.3节统计学习三要素介绍经验风险最小化和结构风险最小化中，分别举了两个例子，其一，模型是条件概率分布，当损失函数是对数损失函数时，经验风险最小化等价于极大似然估计。其二，模型是条件概率分布，当损失函数是对数损失函数时，模型复杂度由模型的...
李航老师《统计学习方法》第二版第九章课后习题答案
qq_41626059的博客
05-05 5609
9.1、如例9.1的三硬币模型。假设观测数据不变，试选择不同的初值，例如π(0)=0.46,p(0)=0.55,q(0)=0.67\pi^{(0)}=0.46,p^{(0)}=0.55,q^{(0)}=0.67π(0)=0.46,p(0)=0.55,q(0)=0.67，求模型参数θ=(π,p,q)\theta = (\pi,p,q)θ=(π,p,q)的极大似然估计。 解： 如果按照书上提供公式计算，那么这一题是很简单，但是如果想要理解EM算法在该题上的应用思想，是十分重要的，三硬币模型的具体推导请参考我写的
李航老师《统计学习方法》第二版第三章课后题答案
qq_41626059的博客
04-10 3951
1、参照图3.1，在二维空间中给出实例点，画出 kkk 为1和2时的 kkk 近邻法构成的空间划分，并对其进行比较，体会 kkk 值的选择与模型复杂度及预测准确率的关系。 解： 唉，这一题花了很长时间才搞明白到底是要干啥。下面先简单的介绍一下，到底要干嘛，和k近邻的关系是啥。 我们知道，k近邻算法在对一个新的数据点 AAA 进行分类的时候（这里就以分类来介绍），需要以AAA为中心，寻找距离AAA最近的k个点，这k个点是由训练集给出的。然后我们计算这k个点里面，数量最多的类别，作为AAA的类别，完成分类。该题
李航老师《统计学习方法》第二版第五章决策树课后答案
qq_41626059的博客
04-18 7430
1、根据表5.1所给的训练数据集，利用信息增益比（C4.5算法）生成决策树。 解： 下面先给出计算信息增益比的程序，并且输出最好的特征 import numpy as np def info_ratio(D, Y, n): ''' 计算信息增益比 Parameters ---------- D : numpy array 训练数据集. Returns ------- 最优特征. ''' #下面开始修正数据
李航 统计学习方法 课后习题答案 第二版
weixin_43646592的博客
10-19 3914
【李航课后习题解答+书中疑点推导+算法代码实现+可私聊耐心解答(48小时内回复)，包会！！】欢迎订阅！！！
《统计学习方法》各章节代码实现与课后习题参考解答
weixin_38367817的博客
03-28 6881
本文转于：原文路径 若有侵权 请联系删除 待完成。。。 《统计学习方法》各章节代码实现与课后习题参考解答 章节 代码 课后习题 第1章 统计学习方法概论(LeastSquaresMethod) 传送门 传送门 第2章 感知机(Perceptron) 传送门 传送门 第3章 k近邻法(KNearestNeighbors) 传送门 传送门 第4章 朴素贝叶斯(NaiveBa...
统计学习方法李航第二版
07-27
很抱歉，我无法回答关于《统计学习方法》李航第二版的问题。因为在提供的引用内容中没有提到《统计学习方法》李航第二版的相关信息。请提供更多相关的引用内容，我将尽力为您提供答案。 #### 引用[.reference_title] - *1* [李航老师《统计学习方法》第二版第三章课后题答案](https://blog.csdn.net/qq_41626059/article/details/115550572)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [《统计学习方法（第2版）》李航 第14章 聚类方法 思维导图笔记 及 课后习题答案（步骤详细） k-均值 层次...](https://blog.csdn.net/qq_26928055/article/details/124563123)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [李航老师《统计学习方法》第二版第十一章课后习题答案](https://blog.csdn.net/qq_41626059/article/details/108926411)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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