Implementation of Statistical Learning Method
《统计学习方法》第二版,算法实现。
第1章:统计学习方法概论 least_sqaure_method.ipynb
第2章:感知机 perceptron.ipynb
第3章:k近邻法 KNN.ipynb
第4章:朴素贝叶斯法 NaiveBayes.ipynb
第5章:决策树 DT.ipynb
第6章:逻辑斯蒂回归与最大熵模型 LR.ipynb
第7章:支持向量机 SVM.ipynb
第8章:提升方法 Adaboost.ipynb
第9章:EM算法及其推广 EM.ipynb
第10章:隐马尔可夫模型 HMM.ipynb
第11章:条件随机场 CRF.ipynb
第12章: 监督学习方法总结 Summary_of_Supervised_Learning_Methods.ipynb
第13章:无监督学习概论 Introduction_to_Unsupervised_Learning.ipynb
第14章:聚类方法 Clustering.ipynb
第15章:奇异值分解 SVD.ipynb
第16章:主成分分析 PCA.ipynb
第17章:潜在语义分析 LSA.ipynb
第18章:概率潜在语义分析 PLSA.ipynb
第19章:马尔可夫链蒙特卡洛法 MCMC.ipynb
第20章:潜在狄利克雷分配 LDA.ipynb
第21章:潜在狄利克雷分配 PageRank.ipynb
At present, this is still an incomplete project, and I am still ignorant of many algorithms, which may only be fully mastered in practical applications.Some algorithms are reproduced independently by myself, others are referred to online resources, not listed here, the specific link in the file.I will keep updating this project until I have mastered all the algorithms in the book.