《统计学习方法》笔记与算法实现

说明

李航《统计学习方法》笔记与算法的 Python 实现。测试样例是例题数据，学习笔记主要在本人博客的《统计学习方法》目录下，也可点击下方目录的章节名阅读笔记。笔记大部分为原书的内容摘抄。

算法主要基于 Python 语言进行实现，为了原汁原味地用代码将算法描述，所有没有使用第三方的线性代数运算库（如 Numpy 或 Pandas 等）。代码注释尽可能完善完整，力求描述准确到位。如有错误，还望指出（→ 点击这里提问题吧 ←），不胜感激！

目录

• 第 1 章 统计学习方法概论
• 第 2 章 感知机 [感知机代码-原始形式] [感知机代码-对偶形式]
• 第 3 章 k近邻算法 [k近邻代码] [kd树简化版代码] [kd树完整版代码] [错误kd树代码]
• 第 4 章 朴素贝叶斯法
• 第 5 章 决策树
• 第 6 章 逻辑斯谛回归与最大熵模型
• 第 7 章 支持向量机
• 第 8 章 提升方法 [AdaBoost代码]
• 第 9 章 EM算法及其推广
• 第 10 章 隐马尔科夫模型
• 第 11 章 条件随机场
• 第 12 章 统计学习方法总结