本文是《统计学习方法（第二版）》第一章的读书笔记，主要涵盖伯努利模型的极大似然估计和贝叶斯估计的习题解答，并通过经验风险最小化推导极大似然估计。文中探讨了监督学习的生成方法和判别方法，以及它们在分类、标注和回归问题中的应用。还介绍了分类问题的评价指标如精确率、召回率和F1值，以及回归问题中常用的平方损失函数。
《统计学习方法（第二版）》李航 读书笔记 （4）
第一章习题手写解答 伯努利模型的极大似然估计和贝叶斯估计；通过经验风险最小化推导极大似然估计
监督学习方法又可以分为生成方法（generative approach）和判别方法（discriminative approach），所学到的模型也就是生成模型和判别模型
生成方法：由数据学习联合概率分布P(X,Y)，然后求出条件概率分布P(Y|X)作为预测的模型
典型的生成模型包括朴素贝叶斯法和隐马尔科夫模型
判别方法由数据直接学习决策函数f（X）或者条件概率分布P(Y|X)作为预测的模型，即判别模型。判别模型包括：k近邻法，感知机，决策树，逻辑斯蒂回归模型，最大熵模型，支持向量机，提升方法，条件随机场。
监督学习的应用方面：分类问题、标注问题、回归问题
最低0.47元/天 解锁文章
409
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
