统计学习是计算机及其应用领域的一门重要的学科。本书全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、em算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外，每章介绍一种方法。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。

经典书籍《统计学习方法》-李航全书的配套学习课件，包含全部11章节，后附全书总结~

一，介绍 《统计学习方法》，作者李航，本书全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机，k近邻法，朴素贝叶斯法，决策树，逻辑斯谛回归除第1章概论和最后一章总结外，每章介绍一种方法。叙述从具体问题或实例入手，由浅进入深层，调整思路，提供必要的数学推导，适当的读者掌握统计学习方法的实质，学会运用。 书籍目录： 第1章统计学习方法概论 第2章感知机 第3章k近邻法 第4章朴素贝叶斯 第5章决策树 第6章逻辑斯谛回归 第7章支持向量机 第8章提升方法 第9章EM算法及其推广 第10章隐马尔可夫模型 第11章条件随机场 第12章统计学习方法总结 二，代码实现 请查看 三，课件PPT 请查看

不懂的可以问我

对支持向量机的总结，该小结是本人在阅读了大牛李航的《统计学习方法》之后做的总结，往对读者有所帮助。

统计学习方法 本书已经出第二版，2019年5月之后所有内容更新参考第二版第一次印刷。 [目录] 工具包 为方便学习，整理一些工具说明。 GitHub的markdown公式支持一般，推荐使用Chrome插件来渲染TeX公式，本地Markdown编辑器推荐 ，注意Ctrl + ，：首选项，语法支持部分嵌入在线数学。Ubuntu和Windows都正常。 math_markdown.pdf为的更新版本，方便查看使用，markdown版本为最新版本，基本覆盖了书中用到的数学公式的$ \ LaTeX $表达方式。 是一个参考文献下载脚本，这本书一定要配合参考文献看，每章的大参考文献一定要看，对书的

自学时手打的一些笔记，大部分为摘抄，主要供自己日后查阅

Statistic-study-notes 李航统计学习方法（第二版）的学习笔记，包括： 1、每章重点数学公式的手动推导 均为手写然后扫描成图片，字迹不工整还望谅解，之后有时间会用Latex修正 点击数学公式没有出现图片的情况 需要搭梯子才可以在线预览到数学推导的图片... 3.1 无数学推导，偏重算法实现-KNN 5.1 无数学推导，偏重算法实现-决策树 6.1 最大熵模型的数学推导 6.2 拉格朗日对偶性问题的数学推导 6.3 改进的迭代尺度法数学推导 7.第七章数学公式推导 7.1 软间隔最大化对偶问题 7.2 证明最大间隔分离超平面存在唯一性 8.第八章数学公式推导 8.1 证明AdaBoost是前向分步加法算法的特例 8.2 证明AdaBoost的训练误差界 9.第九章数学公式推导 9.1 EM算法的导出 9.2 用EM算法估计高斯模混合模型 10.第十章数学公式推导 10.1

李航老师的《统计学习方法》书里第二章感知机学习算法的原始形式的matlab程序

使用感知机对iris数据集中的前两维特征构成的数据点分类 import numpy as np import pandas as pd from sklearn.datasets import load_iris import matplotlib.pyplot as plt iris = load_iris() df = pd.DataFrame(iris.data, columns=iris.feature_names) df['label'] = iris.target df.columns = [ 'sepal length', 'sepal width', 'petal le