《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

总课时：5 周

第一周

• 1 ROC曲线，L1/L2范数
• 2 感知机、KNN

第二周

• 3 决策树
• 4 Adaboost算法
• 5 提升树算法

第三周

• 6 朴素贝叶斯、逻辑斯蒂回归算法
• 7 EM算法

第四周

• 8 非线性SVM算法
• 9 线性可分SVM、线性SVM算法

第五周

• 10 隐马尔可夫模型
• 11 条件随机场

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