统计学习方法（一）

最新推荐文章于 2024-10-30 15:22:37 发布
最新推荐文章于 2024-10-30 15:22:37 发布
阅读量50 收藏
点赞数
文章标签： 学习方法 机器学习
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/yayakoko/article/details/132746367
版权

1、统计学习路线

  • 模型设计->训练->预测

2、统计学习三要素

  • 模型
  • 策略：按照什么样的准则学习
  1. 用经验风险（训练集的平均损失）估计期望风险
  2. 结构化风险：经验损失（经验风险）容易造成过拟合，所以

         结构化风险=经验风险+正则项（表示模型复杂度）

  • 算法

3、模型评估和模型选择

  • 训练误差：模型关于训练集的平均误差
  • 验证误差：模型在验证集（训练集+测试集）上的误差                                                                                  选最优模型              
  • 测试误差：模型在测试集上误差                                                                                                                    对学习方法的评估

4、正则化和交叉验证    

yayakoko
关注
李航 统计学习方法 第一章 课后 习题 答案
fxnfk
04-14 3万+
1.1统计学习方法的三要素是模型、策略、算法。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。统计学分为两派：经典统计学派和贝叶斯统计学派。两者的不同主要是，经典统计学派认为模型已定，参数未知，参数是固定的，只是还不知道；贝叶斯统计学派是通过观察到的现象对概率分布中的主观认定不断进行修正。极大似然估计和贝叶斯估计的模型都是伯努利模型也就是条件概率模型；极大似然估计用的是经典统计学派的策略，贝叶
统计学习方法(李航)pdf
zhuwujie0331的博客
04-06 1838
统计学习方法》（李航著）：特别适用于机器学习领域的统计背景知识学习。(访问密码: 7776)（注：文档仅为个人学习使用)
统计学习方法——概述
ACG00的博客
05-02 4507
统计学习方法李航第二版 第一章概述
李航——《统计学习方法》（一）
ccj211985的博客
11-09 5994
第1章 统计学习方法概论 1.统计学习 统计学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。 也可以说统计学习就是计算机系统通过运用数据及统计方提高系统性能的机器学习。故统计学习也称为统计机器学习。 统计学习的对象是数据，数据分为由连续变量和离散变量表示的类型，其中同类数据是指具有某种共同性质的数据。在统计学习的过程中，以变量或者是变量组表示数据。 统计学习的方法是基于数据构建统计模型从而对数据...
李航 《统计学习方法》习题8.1
数据分析
04-24 1万+
解题：因为题中假设弱分类器为决策树，可采用CART二叉分类树。1、初始化数据权值分布：D =(w11, w12, ..., w110) = (0.1,0.1, ..., 0.1)w1i =0.1 ，i = 1,2,....,102、计算各特征的基尼系数（为计算方便，就取深度为1 的树）：根据基尼系数的计算公式：求得：gini（D，潜力=2）的基尼系数最小，所以第一个选潜力等于2 和非2 为划...
统计学习方法---李航
wj199992的博客
03-17 5516
统计学习方法笔记 第一章:统计学习概论 1.1 统计学习 统计学习( statistical learning)是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。统计学习也称为统计机器学习(statistical machine learning). 机器学习称为统计学习更学术化。 Herbert A.simon对“学习”的定义我觉得挺好的：如果一个系统能够通过执行某个过程改进它的性能，这就是学习。 统计学习的对象是数据（data），它从数据出发，提取数据的特征，抽象出数据模型，
统计学习方法概述
Just_do_myself的博客
07-23 3610
统计学习方法概论学习统计学习统计学习的特点统计学习的目的统计学习的方法监督学习基本概念输入空间、特征空间与输出空间联合概率分布假设空间统计学习三要素模型策略损失函数和风险函数损失函数风险函数经验风险最小化和结构风险最小化算法过拟合与模型选择正则化交叉验证简单交叉验证K折交叉验证留一交叉验证泛化能力泛化误差上界生成方法和判别方法生成方法判别方法分类问题功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右Sma
统计学习方法第一章思维导图
Jamence的博客
11-25 2899
统计学习方法第一章 思维导图 （具体的以后更。。。） 感谢李航老师《统计学习方法》
李航《统计学习方法》课件
xue_csdn的博客
07-23 3606
百度网盘： https://pan.baidu.com/s/1_boHMIg6DqS7bgFuxlWF7Q?errno=0&errmsg=Auth Login Sucess&&bduss=&ssnerror=0&traceid= 提取码：ffxy 作者袁春：清华大学深圳研究生院，提供了第一版全书 12 章的 PPT 课件。 ...
【学习笔记&Python代码】统计学习方法第二版 李航
热门推荐
w0714的博客
08-09 4万+
以后我会在博客记录自己学习《统计学习方法》第二版这本书的笔记，其实也就是我自己认为比较重要或者有用的内容，以及部分python代码的实现。
统计学习方法-李航
09-01
叙述从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文献。
统计学习方法——李航 笔记
qq_45383347的博客
12-02 3209
第一章 概论 统计学习的目标在于：从假设空间中选取最优模型 统计学方法三要素：方法=模型+策略+算法 训练集用来训练模型，验证集用来选择模型，测试集用于对学习方法的评估。 1、输入变量和输出变量均为连续变量的预测问题称为回归问题，输出变量均为有限个离散变量的预测问题称为分类问题，输入变量和输出变量均为变量序列的预测问题称为标注问题 2、监督学习： 3、无监督学习： 4、模型：所要学习的条件概率分布或决策函数。 模型的假设空间：包括所有可能的条件概率分布或决策函数。 5、两个基本策略：经验风险最小化和结构
机器学习（李航统计学习方法）
阿江江的博客
10-17 3496
。。
2、课程大纲、学习方法
m0_72900498的博客
10-30 121
介绍一个应对拖延症的简单办法：番茄工作法 (Pomodoro)。只听和阅读肯定是不够的，最基本的是需要做笔记，复习，复盘，和他人交流，自己再进行实践——也就是后面说到的『刻意练习』。25分钟没有任何干扰专心学习最后当这25分钟结束后，你需要休息5分钟。抓住主线做一个web版本的连接数据库的增删改查。构建自己的知识树，用工具帮助我们。复习就是在不停的梳理自己的知识。理解基础上在你忘记之前不停重复。用输出加强自己的学习的知识。把手机的消息提醒都关了。一图胜千文—思维导图。
Lucas带你手撕机器学习——决策树
Lucas在澳洲
10-25 751
决策树是一种基本的分类与回归方法，它通过树状结构对数据进行分类或预测。每个内部节点代表一个特征（属性），每个分支代表特征的一个可能值，而每个叶子节点代表一个分类或预测值。由于其直观和易于理解的特点，决策树广泛应用于机器学习、数据挖掘和决策分析等领域。决策树是一种强大且易于理解的机器学习模型，适用于分类和回归任务。通过选择最优特征进行划分，决策树能够有效地对数据进行建模。尽管决策树有许多优点，但在实际应用中也需要注意过拟合和不稳定性的问题，因此常常结合剪枝技术进行改进。
从零开始机器学习——基于PyTorch构建你的第一个线性回归模型
bjxiaxueliang的CODING技术小馆
10-24 966
随着人工智能技术的迅猛发展，机器学习成为了现代科技领域中最炙手可热的话题之一。然而，对于初学者来说，机器学习似乎总是充满了复杂的理论和难以理解的概念。本文将带你从零开始，使用PyTorch深度学习框架，构建一个最简单的线性回归模型，一步步揭开机器学习的神秘面纱。无需预先的专业背景知识，只需跟随本文的指导，你就能亲手实现一个可以预测数据的机器学习模型！
【机器学习基础】激活函数
weixin_41838721的博客
10-22 451
Sigmoid函数 观察导数图像 在我们深度学习里面，导数是为了求参数W和B，W和B是在我们模型model确定之后，找出一组最优的W和B，使我们那个模型输入的x，得出我们Y最近我们真实结果的一个Y 导数函数图像，往两边走的话，它的导数为零。如果这样的情况出现的话，出现梯度消失。我们希望它的导数是一个平稳值，不要大也不要小 值落在，无穷大的时候或者无穷小的时候，它的导数就接近于零，此时W和B就不能更新了，无法找到最优的W和B。你就是你不断找不找，每天也走一走个几米几米远，事实上W和B在几千米远之外
【果蔬识别】Python+卷积神经网络算法+深度学习+人工智能+机器学习+TensorFlow+计算机课设项目+算法模型
最新发布
子午的博客
10-30 519
果蔬识别系统，本系统使用Python作为主要开发语言，通过收集了12种常见的水果和蔬菜（‘土豆’, ‘圣女果’, ‘大白菜’, ‘大葱’, ‘梨’, ‘胡萝卜’, ‘芒果’, ‘苹果’, ‘西红柿’, ‘韭菜’, ‘香蕉’, ‘黄瓜’），然后基于TensorFlow库搭建CNN卷积神经网络算法模型，然后对数据集进行训练，最后得到一个识别精度较高的算法模型，然后将其保存为h5格式的本地文件方便后期调用。再使用Django框架搭建Web网页平台操作界面，实现用户上传一张果蔬图片识别其名称。
【机器学习】图像识别——计算机视觉在工业自动化中的应用
2202_76097976的博客
10-19 2861
本文详细探讨了图像识别技术在工业自动化中的广泛应用，包括质量控制、物体检测与分拣、机器人视觉导航和安全监控等场景。图像识别依赖于深度学习模型，尤其是卷积神经网络（CNN），其中ResNet、YOLO和Faster R-CNN等模型各有其优势。ResNet适用于高精度检测，YOLO注重实时性，而Faster R-CNN则适合小物体的高精度识别。通过代码示例展示了如何在工业场景中应用YOLO进行物体检测。
《统计学习方法》第2版配套算法代码详解
资源摘要信息:"《统计学习方法》是李航编写的一本介绍统计学习基本理论和方法的教材，第2版中不仅涵盖了第一版中的内容，并且根据最新的科研成果进行了更新和补充，使其内容更加全面和先进。本书适合高等院校统计学...
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