forestriveral / statisticallearningmethod-camp

统计学习方法训练营课程作业及答案

《统计学习方法》训练营

课程资料

• ApacheCN
• 廖雪峰 Python3 教程
• 李航《统计学习方法》(链接：https://pan.baidu.com/s/1MSx407RuPCJt5KSej0Yqlg 密码：h74l)
• 优秀github资源：
  李航《统计学习方法》中机器学习模型的LaTeX公式笔记
  李航《统计学习方法笔记》中的代码、notebook、参考文献、Errata
  李航《统计学习方法》习题笔记
• 本训练营的学习安排与课程任务：详见文件夹Books中的《统计学习方法作业》doc文档

课程安排（第四期）

总课时：5 周

第一周

• 1 学习第1章统计学习方法概论
• 2 学习第2章感知机
• 3 学习第3章k近邻

第二周

• 4 学习第4章朴素贝叶斯法
• 5 学习第5章决策树

第三周

• 6 学习第6章Logistic回归与最大熵模
• 7 学习第7章支持向量机

第四周

• 8 学习第8章提升方法
• 9 学习第9章EM算法及推广

第五周

• 10 学习第10章隐马尔科夫模型
• 11 学习第11章条件随机场

项目目录

Books--------------------------------------作业汇总和视频笔记的pdf
PhaseFour----------------------------------深度之眼第四期
+---Note
|    +----image----------------------------笔记截图
|    +----markdown-------------------------markdown格式视频笔记
|    +----notebook-------------------------JupyterNotebook格式视频笔记
+---Week1----------------------------------第一周作业
+---Week2----------------------------------第二周作业
+---Week3----------------------------------第三周作业
+---Week4----------------------------------第四周作业
+---Week5----------------------------------第五周作业
PhaseOne-----------------------------------深度之眼第一期
+---Week1----------------------------------第一周作业
+---Week2----------------------------------第二周作业
+---Week3----------------------------------第三周作业
+---Week4----------------------------------第四周作业
+---Week5----------------------------------第五周作业

总结

  笔者有一些作业题是根据优秀资源[3]中解答的，作业题并不难，希望小伙伴们都能动手完成。
  该训练营课程来自微信公众号深度之眼，笔者非常推荐，虽然以自学为主，但是在星球中能学到很多知识。该公众号下的机器学习实战训练营也很不错，大家可以尝试学习一下，一定有很大的收获。这个是我在该训练营的作业：机器学习实战
  笔者用了近三周时间（2019年7月26日~2019年8月15日），完成了深度之眼的统计学习方法第四期视频笔记，再次学一遍感觉收获甚多，还记得第一次学这本书的时候，很多公式都没有手动推导，这次视频笔记是根据老师的视频，添加了很多笔者自己推导的公式，希望大家能读懂并能有所收获，笔记中难免有些错误，还请大家能协助帮忙指出。