数据矿工学习-《统计学习方法》思维导图1.1-监督学习与统计学习三要素

标题

统计学习方法 思维导图

改进了思维导图了，尽量简约为主，不过多延伸。思维来自《统计学习方法》-李航凹脑图在线浏览地址：统计学习方法概率才学疏浅，欢迎评论指导如想更方便地阅览思维图欢迎前往我的个人小站：www.wengjj.ink...

最大熵模型目前应用在NLP上比较多，本章的最大熵模型的内容与数学推导公式比较多（最优化算法部分本人水平有限(ˉ▽ˉ；)...，当时看的最优化算法时有点懵逼，可能会有疏漏，望各位海涵，欢迎提出修改意见）思维来自《统计学习方法》-李航凹脑图在线浏览地址：最大熵模型与最优化算法才学疏浅，欢迎评论指导如想更方便地阅览思维图欢迎前往我的个人小站：www.wengjj.ink...

本章主要讲了感知机的模型、策略以及算法的相关证明。思维来自《统计学习方法》-李航凹脑图在线浏览地址：感知机思维导图才学疏浅，欢迎评论指导如想更方便地阅览思维图欢迎前往我的个人小站：www.wengjj.ink...

适用问题 监督学习主要包括分类、标注、回归问题。标注问题是从观测序列到标记/状态序列的过程，相比二分类问题，其数目上是指数级区别。 模型 非概率模型，是指直接由输入X得到输出Y，或者得到输出的条件概率分布P（Y｜X）的模型，对于监督学习也叫做判别模型。感知机、k近邻、支持向量机SVM、提升方法是非概率模型；概率模型首先学习联合概率密度P（X，Y），然后求出条件概率密度P（Y｜X），在监督学习中称为生成模型，朴素贝叶斯法、隐马尔可夫模型是生成模型；决策树、Logistic回归与最大熵、条件随机场，既可以看..

点击进入：机器学习系列目录 其后附有清晰的pdf版本下载链接哦。 整理不易，如果您觉得有用的话，请点个赞吧????

思维来自《统计学习方法》-李航 上一章讲了线性可分支持向量机，但在实际工程中，样本数据往往是数据不可分的，此时就需要另一种学习器-线性支持向量机，又称线性不可分支持向量机，因为其适用范围更广，所以一般将其称为线性支持向量机，其学习策略为-软间隔最大化（区别于线性可分支持向量机的硬间隔最大化）： 凹脑图在线浏览地址：线性支持向量机 才学疏浅，欢迎评论指导     如想更方便地阅览思维...

目前在学习《统计学习方法》和《机器学习》，萌起用思维导图构建知识间关系的念头，因此就有了下面的作品。看图比看文字更轻松，思维导图很适合在记忆模糊时候用来回忆知识点，利用思维导图来总结的过程也弄懂了一些知识点，一举两得。之后还会有其他思维导图，不仅局限于一本书的内容，不过大多用的也是上述提到的两本书。