李航《统计学习方法》第2版 第4章课后习题答案

最新推荐文章于 2022-10-19 17:41:19 发布
最新推荐文章于 2022-10-19 17:41:19 发布
阅读量4.7k 收藏 33
点赞数 20
分类专栏： 李航统计学习课后解答 文章标签： 机器学习 统计学
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/weixin_43646592/article/details/109633872
版权
本文提供李航《统计学习方法》第2版第4章的习题4.1和4.2的答案，并深入探讨贝塔分布、狄利克雷分布及其在贝叶斯估计中作为先验分布的应用。通过实例解释为何选择狄利克雷分布，并附带相关编程实现的参考链接。
摘要由CSDN通过智能技术生成

习题4.1

在这里插入图片描述

习题4.2

这里先验为什么设为狄利克雷，后面接着有我总结的解释贝塔分布与狄利克雷分布，以及贝叶斯估计的先验设为狄利克雷分布的原因。
也可参考文末链接（第一个链接讲的挺通俗易懂）。
在这里插入图片描述
在这里插入图片描述

这里解释一下贝塔分布与狄利克雷分布：

了解本专栏 订阅专栏 解锁全文 超级会员免费看
#苦行僧
关注
  • 20
    点赞
  • 踩
  • 33
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
专栏目录
订阅专栏
李航《统计学习方法》课后习题答案（第2版）
weixin_43646592的博客
02-19 2万+
李航《统计学习方法》课后习题答案（第2版） 章节 链接 第1章 统计学习及监督学习概论 点击进入 第2章 感知机 点击进入 第3章 k近邻法 点击进入 第4章 朴素贝叶斯法 点击进入 第5章 决策树 点击进入 第6章 逻辑斯谛回归与最大熵 点击进入 第7章 支持向量机 点击进入 第8章 提升方法 点击进入 第9章 EM算法及其推广 点击进入 第10章 隐马尔可夫模型 点击进入 第11章 条件随机场 点击进入     也可进入我的个人主页查看分类专栏
李航 统计学习方法 课后习题答案
我的博客
07-09 3万+
第一章 https://blog.csdn.net/familyshizhouna/article/details/70160782 第二章 2.1-2.2 https://blog.csdn.net/cracker180/article/details/78778305 2.3 https://blog.csdn.net/xiaoxiao_wen/arti...
李航 统计学习方法 第二版 课后习题答案
wang_xinyu的博客
12-21 1万+
第一章：https://blog.csdn.net/weixin_43646592/article/details/109551026 第二章： https://blog.csdn.net/weixin_43646592/article/details/109572240 https://blog.csdn.net/sanmaopep/article/details/78542361?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendF
李航 统计学习方法 课后习题答案 第二版
weixin_43646592的博客
10-19 3953
【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！！！
李航—统计学习方法第四章课后答案
xiaoxiao_wen的博客
01-05 1万+
4.1 用极大似然估计法推导朴素贝叶斯法中的先验概率估计公式和条件概率估计公式
李航 统计学习方法 第五章 决策树 课后 习题 答案
热门推荐
fxnfk
07-24 4万+
决策树是一种基本的分类和回归方法。决策树呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合，也可以认为是定义在特征空间和类空间上的条件概率分布。学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型。预测时，对新的数据，利用决策树模型进行分类。决策树学习通常包括三个步骤：特征选择、决策树的生成和决策树的剪枝。（ID3、C4.5、CART）
Statistic-study-notes:李航统计学习方法（第二版）的学习笔记，包括：1、每章重点公式的手动推导 2、每章算法的Python自实现 3、学习过程中的笔记与心得 4、每章节的课后习题 5、每周都会按照至少一周一章的进度定时将自己的学习进度更新到这个仓库
05-27
李航统计学习方法（第二版）的学习笔记，包括： 1、每章重点数学公式的手动推导 均为手写然后扫描成图片，字迹不工整还望谅解，之后有时间会用Latex修正 点击数学公式没有出现图片的情况 需要搭梯子才可以在线预览到...
李航《统计学习方法》第2版 第2章课后习题答案
weixin_43646592的博客
11-09 5744
习题2.1 题目：Minsky与Papert指出：感知机因为是线性模型，所以不能表示复杂的函数，如异或（XOR），验证感知机为什么不能表示异或。 习题2.2 题目：模仿例题2.1，构建从训练数据集求解感知机模型的例子。 解：这里用python代码分别实现一下感知机学习算法的原始形式与对偶形式 原始形式： """ 感知机(原始形式)：实现书本P40页 例题2.1 """ import numpy as np import matplotlib.pyplot as plt class MyPerceptr
《统计学习方法》第7章 课后题答案
silver
06-16 2万+
最近在补一些机器学习的基础知识，所以就刷了一下李航博士的《统计学习方法》。那么刷一本书怎么才能彻底呢，只有继续刷题了。幸好作者在每一章留有课后题，在这里尝试做一下。（一想到这部分内容可能会被完爆我好几条街的大神看到就觉得好害羞 ⁄(⁄ ⁄•⁄ω⁄•⁄ ⁄)⁄。个人水平有限，望大神指正）在做题之前先吐槽一下第7章的内容，本章介绍了支持向量机的相关知识，内容安排合理，讲解清楚，是很棒的入门材料。不过在刷
李航《统计学习方法》第四章课后答案链接
Allenlzcoder的博客
03-12 1036
李航《统计学习方法》第四章课后答案链接 本博客转载自：http://blog.csdn.net/xiaoxiao_wen/article/details/54097917
统计学习方法 第四章习题答案
qq_41562704的博客
08-16 3154
第4章的习题与习题1.1有些相似，建议两章一起看，关于极大似然估计和贝叶斯估计我在第一章的习题中讲解了，可以先看看第一章的解答。 4.1 题目：用极大似然估计法推出朴素贝叶斯法中的概率估计公式（4.8）及公式（4.9）。 4.8 P(Y=ck)=∑i=1NI(yi=ck)N,k=1,2,…,KP\left(Y=c_{k}\right)=\frac{\sum_{i=1}^{N} I\left(y_{...
《统计学习方法》习题答案
weixin_42228294的博客
09-01 4407
第一章 统计学习及监督学习概论 课后习题 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。 解： ① 统计学习的三要素分别是模型、策略、算法。 模型：伯努利模型，即定义在取值为0与1的随机变量上的概率分布。 策略：极大似然估计和贝叶斯估计的策略都是对数损失函数，只不过贝叶斯估计使用的是结构风险最小化。 算
李航老师《统计学习方法》第二版第二章答案
qq_41626059的博客
04-07 3546
1、Minsky与Papert指出：感知机因为是线性模型，所以不能表达复杂的函数，比如异或（XOR）。验证感知机为什么不能表示异或。 解： 下面是异或的运算结果： 异或： 如果两个值相同则异或操作的结果是0，如果不相同则为1 由此我们可以看到，这也是一个二分类的问题，异或的运算如表所示 XOR a b a 0 1 b 1 0 如果我们去a = 0, b = 1,将上表的结果画在二维平面，如下图。 我们可以看到，对于蓝色的圆点和橙色的星星，无论我们怎么画直线，都不可能将两者分开。也就
【全网最全】《统计学习方法》习题答案
qq_42911960的博客
03-26 6971
习题3.2 利用例题3.2构造的kd树求出点x=(3,4.5)Tx=(3,4.5)^Tx=(3,4.5)T的最近邻点 从根节点出发，因为x(1)<7x^{(1)}<7x(1)<7, 所以进入左孩子一侧，又因为x(2)>4.5x^{(2)}>4.5x(2)>4.5，所以选定叶节点(4,7)(4,7)(4,7)作为“当前最近点”，开始递归。 向上回退到(4,7)(4,7)(4,7)的父节点(5,4)(5,4)(5,4)，设其为当前节点，因为父节点离xxx更近一些，所以更
李航老师《统计学习方法》第二版第一章答案详解
qq_41626059的博客
04-05 4259
1、说明伯努利模型的极大似然估计和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。 解： 模型三要素是： 模型 策略 算法 极大似然估计 概率模型 经验风险最小化 数值解 贝叶斯估计 概率模型 结构风险最小化 解析解 设x1,x2,...,xnx_{1}, x_{2},..., x_{n}x1​,x2​,...,xn​为
李航《统计学习方法》第4章习题答案参考
u013263891的博客
02-12 1407
https://blog.csdn.net/bumingqiu/article/details/73397812
【统计学习方法】课后习题答案
weixin_43890824的博客
11-30 679
第一章习题答案
李航老师《统计习方法》第二版第二十一章课后题答案以及关于PageRank的改进算法
qq_41626059的博客
07-22 6787
1、李航老师《统计学习方法》第二版第二十一章课后题答案 21.1 假设方阵A是随机矩阵，即其每个元素的非负，每列元素的和为1，证明AkA^{k}Ak仍然是随机矩阵，其中k是自然数。 证明： 为了方便的使用矩阵乘法，我们令A=ATA=A^{T}A=AT,也就是A是一个行随机矩阵，每行的元素之和为1. 设eee是一个元素全为1的列向量，他的维数和矩阵A的位数是一样的。那么Ae=e(1)Ae=e\tag{1}Ae=e(1)在公式（1）的两边同时用AAA作用，得 A∗Ae=A2e=Ae=e(2)A*Ae=A^{
csdn李航统计学习方法课后
最新发布
09-27
最后，课后还提供了相关的习题和参考答案，学习者可以通过做题来巩固所学知识，同时参考答案可以帮助学习者在做题过程中发现和纠正错误，提高学习效果。 总的来说，csdn李航的《统计学习方法》课后是一门内容全面、...
评论 4
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

打赏作者

#苦行僧

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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