阅读笔记 - 《统计学习方法 - 李航》

阅读笔记 - 《统计学习方法 - 李航》

---

1 统计分析

1.1 常见的几种损失函数

1.2 风险函数

1.3 过拟合

1.4 损失函数

1.5 模型选择的方法1：正则化

1.6 模型选择的方法2：交叉验证

1.7 生成方法与判别方法

1.8 分类器评估指标-精确率、召回率、f1

1.9 序列标注

1.10 回归

1.11 本章概要

2 感知机

就是在线性可分的情况下，有无穷解

3 K近邻

3.1 kd树

3.2 本章小结

4 朴素贝叶斯

4.1 基本方法

4.2 极大似然估计

4.3 本章概述

5 决策树

5.1 定义

5.2 选择最优的决策树是NP完全问题

5.3 决策树的生成与剪枝

5.4 熵

5.5 本章总结

6 逻辑回归

7 SVM - 支持向量机

7.1 学习目标 - 感知机与SVM的区别

7.2 函数间隔与几何间隔

7.3 硬间隔最大化

7.4 线性可分支持向量机学习的最优化问题

7.5 软间隔最大化

7.6 常用核函数

7.7 本章概要

8 boosting

8.1 Adaboost

8.2 Adaboost算法流程

8.3 案例

8.4 Adaboost的优势

8.5 Adaboost的解释

8.6 本章概要

9 EM算法 - 期望极大算法

本章概要

10 隐马尔科夫模型

11 总结