摘要：
《统计学习方法》（第二版）第2章 2 感知机 二类分类 、 线性分类模型 、 判别模型 输入 ：实例的特征向量 输出 ：实例的类别（+1， 1） 2.1 感知机模型 $$ f(x)=sign(w·x+b) $$ 几何解释 $w·x+b=0$对应一个超平面$S$，$w$是超平面的法向量，$b$是超平面 阅读全文
摘要：
1 递归，二分 3 顺序遍历倒序拼接/倒序遍历顺序拼接 4 利用栈的先入后出的特性 阅读全文
摘要：
《统计学习方法》（第二版）第3章 3 分类问题中的k近邻法 k近邻法不具有显式的学习过程。 3.1 算法（k近邻法） 1. 根据给定的距离度量，在训练集$T$中找出与$x$最邻近的$k$个点，涵盖这k个点的x的邻域记作$N_k(x)$ 2. 在$N_k(x)$中根据分类决策规则（如多数表决）决定$x 阅读全文
摘要：
《统计学习方法》（第二版）1.6 ~ 1.8 1.6 泛化能力 用学到的模型$\hat f$对未知数据预测的误差即为泛化误差（generalization error）。 泛化误差反映了学习方法的泛化能力。事实上， 泛化误差 就是所学习到的模型的 期望风险 。 泛化误差上界（generalizati 阅读全文
摘要：
《统计学习方法》（第二版）1.4 1.5 1.4 模型评估与模型选择 1.4.1 训练误差与测试误差 当评估时使用的损失函数给定时，训练误差和测试误差成为学习方法评估的标准。 测试误差反映了学习方法对未知的测试数据集的预测能力（泛化能力[^1]）。 [^1]: 测试误差评价泛化能力依赖于测试数据集， 阅读全文
摘要：
《统计学习方法》（第二版）1.3 1.3 统计学习方法的三要素 1.3.1 模型（model） 模型就是所要学习的条件概率分布或决策函数。 1.3.2 策略（strategy） 损失函数和风险函数 损失函数度量模型 一次 预测的好坏。 风险函数度量 平均 意义下模型预测的好坏。 损失函数loss f 阅读全文
摘要：
推荐系统（1） 1 基于内容的推荐Content based 主要思想：向顾客 $x$ 推荐与之前被 $x$ 高度评价的商品相似的商品 步骤 1. Item Presentation 为每个item抽取出一些特征来表示此item（item profile） 文本挖掘常用启发式方法： $TF IDF$ 阅读全文
摘要：
《统计学习方法》（第二版）1.1 1.2 1.1 统计学习 / 机器学习 1.1.1 定义 Statistical Learning，关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。 平台：计算机及网络 研究对象：数据 目的：对数据进行预测与分析 中心：方法 学科：多领域 阅读全文