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

学习SVM的好资源，线性分类器，将分类转化为优化问题，其中包括部分证明，讲解了关于线性不可分和软间隔优化还有核函数

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

射频金融 使用统计学习的股票分析

MATLAB统计学习工具箱,内附说明文档,可直接调用函数

国外的统计学习工具箱，包含很多常用的算法代码！欢迎大家下载学习啦

kd树(K-dimension tree)是一种对k维空间中的实例点进行存储以便对其进行快速检索的树形数据结构。kd树是是一种二叉树，表示对k维空间的一个划分，构造kd树相当于不断地用垂直于坐标轴的超平面将K维空间切分，构成一系列的K维超矩形区域。kd树的每个结点对应于一个k维超矩形区域。利用kd树可以省去对大部分数据点的搜索，从而减少搜索的计算量。