看完了统计学习这本书,这里给出书中的一些总结,方便想要大概了解的人可以很快的知道书中的内容,同时对于学习过的小伙伴也可以看看自己对于这些算法的理解。首先是学习需要了解的基础符号表如下:
然后对于整本书介绍的十种算法进行系统的概括,个人用的比较多的是SVM和隐马尔可夫,同时想学习深度学习的朋友,这些基础算法都是需要会的,书中表格如下:
同时给出这些算法的分析和应用,学习过程中分类问题和回归问题会用的比较多:
我在后面的学习过程中对于对偶问题一直不是很理解,今天又看了一遍附录中的公式推导,在约束最优化的问题中,主要是利用拉格朗日对偶性将原始问题转化为对偶问题,通过对对偶问题求解从而得到原始问题的解。利用广义拉格朗日函数的原始问题的极小极大问题和对偶问题的极大极小问题,在某些条件下,原始问题和对偶问题的最优值相等,这时就可以用解对偶问题替代解原始问题,下面给出著名的KKT条件: