机器学习
首发于机器学习

《统计学习方法》知乎参考读物

之前看李航老师的统计学习方法的时候,会一边看书,一边知乎(动词)一下相关内容。毕竟一直看书难免会感觉无聊,还可能犯困,偶尔刷一下知乎看一下各位大佬关于相关内容的见解,可以事半功倍(避免犯困)的效果。整理一下收藏夹,做一次搬运工,分享给大家。本文所有链接来自知乎,感谢本文所有链接里面的答主和文章作者。

第一章 统计学习方法概论:

机器学习算法思想

模型评价指标

过拟合

“统计学检验”对比机器学习算法性能

第二章 感知机:

感知机

感知机学习算法的对偶形式

第三章 K近邻法:

KNN

kd树

第四章 朴素贝叶斯法:

朴素贝叶斯

最大似然估计和最大后验估计

第五章 决策树:

决策树算法的Python实现

决策树类算法总结

第六章 逻辑斯蒂回归和最大熵模型:

逻辑斯蒂回归模型与最大熵模型(目前还没有在知乎上看到比较好的介绍,后期看到会更新)

逻辑回归与朴素贝叶斯的区别

第七章 支持向量机:

支持向量机

核函数

SMO算法

逻辑回归与SVM的区别

第八章 提升方法:

Boosting

GBDT与XGBOOST的区别

第九章 EM算法及其推广:

通俗解释EM算法并举例

最大似然估计与EM算法的关系

第十章 隐马尔科夫模型

隐马尔科夫模型

第十一章 条件随机场:

HMM、MEMM、CRF

第十二章 统计学习方法总结

学习算法(包括梯度下降法、牛顿法、拟牛顿法等)

常用机器学习算法比较

各种机器学习算法的应用场景

目前大致就这些了,以后会不定时更新。

更多AI/ML/DL相关内容见收藏夹【人工智能/机器学习/深度学习

编辑于 2018-05-03

文章被以下专栏收录