【干貨】李航老師《統(tǒng)計學(xué)習(xí)方法》(第2版）課件分享，附下載
李航博士的《統(tǒng)計學(xué)習(xí)方法》可以說是機器學(xué)習(xí)的入門寶典。現(xiàn)如今，統(tǒng)計學(xué)習(xí)方法（第2版）于今年5月份出版，在第一版監(jiān)督學(xué)習(xí)的基礎(chǔ)上，增加了無監(jiān)督學(xué)習(xí)內(nèi)容，更加豐富，是非常值得學(xué)習(xí)材料。最近清華大學(xué)深圳研究院的袁春教授為《統(tǒng)計學(xué)習(xí)方法（第2版）》制作了課件方便學(xué)習(xí)觀看。李航博士特此在微博上公開。
李航，男，畢業(yè)于日本京都大學(xué)電氣電子工程系，日本東京大學(xué)獲得計算機科學(xué)博士學(xué)位。北京大學(xué)、南京大學(xué)兼職教授。曾任日本NEC公司中央研究所研究員，微軟亞洲研究院高級研究員與主任研究員、華為技術(shù)有限公司諾亞方舟實驗室主任。現(xiàn)任字節(jié)跳動科技有限公司人工智能實驗室總監(jiān)，主要研究方向為自然語言處理、信息檢索、機器學(xué)習(xí)等。
《統(tǒng)計學(xué)習(xí)方法》(第2版）
內(nèi)容簡介：
課件
目錄
《統(tǒng)計學(xué)習(xí)方法》第二版主要分為兩部分，目前在京東和淘寶等平臺上已經(jīng)可以預(yù)訂了。第一部分的監(jiān)督學(xué)習(xí)在內(nèi)容主題上和第一版基本一致，這里就只展示了大章節(jié)標(biāo)題。第二部分的無監(jiān)督學(xué)習(xí)是全新的內(nèi)容，因此這里展示了更多的細節(jié)。
第一篇監(jiān)督學(xué)習(xí)
第 1 章統(tǒng)計學(xué)習(xí)及監(jiān)督學(xué)習(xí)概論
第 2 章感知機
第 3 章近鄰法
第 4 章樸素貝葉斯法
第 5 章決策樹
第 6 章邏輯斯諦回歸與最大熵模型
第 7 章支持向量機
第 8 章提升方法
第 9 章 EM 算法及其推廣
第 10 章隱馬爾可夫模型
第 11 章條件隨機場
第 12 章監(jiān)督學(xué)習(xí)方法總結(jié)
第二篇無監(jiān)督學(xué)習(xí)
第 13 章無監(jiān)督學(xué)習(xí)概論
13.1.1 無監(jiān)督學(xué)習(xí)基本原理
13.1.2 基本問題
13.1.3 機器學(xué)習(xí)三要素
13.1.4 無監(jiān)督學(xué)習(xí)方法
第 14 章聚類方法
14.1 聚類的基本概念
14.1.1 相似度或距離
14.1.2 類或簇
14.1.3 類與類之間的距離
14.2 層次聚類
14.3 k 均值聚類
14.3.1 模型
14.3.2 策略
14.3.3 算法
14.3.4 算法特點
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻
第 15 章奇異值分解
15.1 奇異值分解的定義與性質(zhì)
15.1.1 定義與定理
15.1.2 緊奇異值分解與截斷奇異值分解
15.1.3 幾何解釋
15.1.4 主要性質(zhì)
15.2 奇異值分解的計算
15.3 奇異值分解與矩陣近似
15.3.1 弗羅貝尼烏斯范數(shù)
15.3.2 矩陣的優(yōu)近似
15.3.3 矩陣的外積展開式
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻
第 16 章主成分分析
16.1 總體主成分分析
16.1.1 基本想法
16.1.2 定義和導(dǎo)出
16.1.3 主要性質(zhì)
16.1.4 主成分的個數(shù)
16.1.5 規(guī)范化變量的總體主成分
16.2 樣本主成分分析
16.2.1 樣本主成分的定義和性質(zhì)
16.2.2 相關(guān)矩陣的特征值分解算法
16.2.3 數(shù)據(jù)局正的奇異值分解算法
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻
第 17 章潛在語義分析
17.1 單詞向量空間與話題向量空間
17.1.1 單詞向量空間
17.1.2 話題向量空間
17.2 潛在語義分析算法
17.2.1 矩陣奇異值分解算法
17.2.2 例子
17.3 非負矩陣分解算法
17.3.1 非負矩陣分解
17.3.2 潛在語義分析模型
17.3.3 非負矩陣分解的形式化
17.3.4 算法
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻
第 18 章概率潛在語義分析
18.1 概率潛在語義分析模型
18.1.1 基本想法
18.1.2 生成模型
18.1.3 共現(xiàn)模型
18.1.4 模型性質(zhì)
18.2 概率潛在語義分析的算法
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻
第 19 章馬爾可夫鏈蒙特卡羅法
19.1 蒙特卡羅法
19.1.1 隨機抽樣
19.1.2 數(shù)學(xué)期望估計
19.1.3 積分計算
19.2 馬爾可夫鏈
19.2.1 基本定義
19.2.2 離散狀態(tài)馬爾可夫鏈
19.2.3 連續(xù)狀態(tài)馬爾可夫鏈
19.2.4 馬爾可夫鏈的性質(zhì)
19.3 馬爾可夫鏈蒙特卡羅法
19.3.1 基本想法
19.3.2 基本步驟
19.3.3 馬爾可夫鏈蒙特卡羅法與統(tǒng)計學(xué)習(xí)
19.4 Metropolis-Hastings 算法
19.4.1 基本原理
19.4.2 Metropolis-Hastings 算法
19.4.3 單分量 Metropolis-Hastings 算法
19.5 吉布斯抽樣
19.5.1 基本原理
19.5.2 吉布斯抽樣算法
19.5.3 抽樣計算
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻
第 20 章潛在狄利克雷分配
20.1 狄利克雷分布
20.1.1 分布定義
20.1.2 共軛先驗
20.2 潛在狄利克雷分配模型
20.2.1 基本想法
20.2.2 模型定義
20.2.3 概率圖模型
20.2.4 隨機變量序列的可交換性
20.2.5 概率公式
20.3 LDA 的吉布斯抽樣算法
20.3.1 基本想法
20.3.2 算法的主要部分
20.3.3 算法的后處理
20.3.4 算法
20.4 LDA 的變分 EM 算法
20.4.1 變分推理
20.4.2 變分 EM 算法
20.4.3 算法推導(dǎo)
20.4.4 算法總結(jié)
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻
第 21 章 PageRank 算法
21.1 PageRank 的定義
21.1.1 基本想法
21.1.2 有向圖和隨機游走模型
21.1.3 PageRank 的基本定義
21.1.4 PageRank 的一般定義
21.2 PageRank 的計算
21.2.1 迭代算法
21.2.2 冪法
21.3.3 代數(shù)算法
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻
第 22 章無監(jiān)督學(xué)習(xí)方法總結(jié)
22.1 無監(jiān)督學(xué)習(xí)方法的關(guān)系和特點
22.1.1 各種方法之間的關(guān)系
22.1.2 無監(jiān)督學(xué)習(xí)方法
22.1.3 基礎(chǔ)及其學(xué)習(xí)方法
22.2 話題模型之間的關(guān)系和特點
參考文獻
附錄 A 梯度下降法
附錄 B 牛頓法和擬牛頓法
附錄 C 拉格朗日對偶性
附錄 D 矩陣的基本子空間
附錄 E KL 散度的定義和狄利克雷分布的性質(zhì)
索引?
