2. 程式人生 > >統計學習基礎（ESL）中文版

統計學習基礎（ESL）中文版

阿新 • • 發佈：2018-11-29

譯者：szcf-weiya

ESL 指的是 The Elements of Statistical Learning。因為（譯者）自己也是統計學專業，所以想研讀這本書，同時實現書中的演算法及其例子，並嘗試解決習題。

說明

  1. 參考文獻保留原書的寫法，如 “Efron and Tibshirani (1993)” 指的是 “Efron, B. and Tibshirani, R. (1993). An Introduction to the Bootstrap, Chapman and Hall, London.”；並且為了查閱方便，特別在每章的 “Bibliographic Notes” 中用腳註列出了相應的參考文獻，查閱過的文獻，還附上了下載連結。
  2. 該專案不僅僅是單純地翻譯原書，也在實現書中的一些演算法或者例子。這些程式碼都可以在這裡找到，也可以在 Issues 中找到部分習題的解答。
  3. 限於（譯者）本人英語水平以及統計知識，很多地方可能翻譯不到位，歡迎大家指出來，Issue 或者評論均可，錯別字以及數學公式解析錯誤的也可以指出。

目錄

相關推薦

統計學習基礎（ESL）中文版

譯者：szcf-weiya ESL 指的是 The Elements of Statistical Learning。因為（譯者）自己也是統計學專業，所以想研讀這本書，同時實現書中的演算法及其例子，並嘗試解決習題。 說明 參考文獻保留原書的寫法，如 “Efr

java之servlet學習基礎（一）

service art serve quest 文件傳輸 模板 基礎 conn context 這一陣子在學java三大框架。卻在學習過程中發現前面的知識已經忘記了。所以決定寫一篇博客來總結回顧之前的學習。 1.Servlet是什麽？ 　　servlet是一個運行在服

java之servlet學習基礎（二）

input 應用 new use values 優化 得到 () 響應狀態 上一次寫到Servlet的實現方法，主要還是通過繼承HttpServlet來實現Servlet。下面主要是回顧一下HttpServletRequest和HttpServletResponse對象中的

機器學習基礎（六）—— 交叉熵代價函式（cross-entropy error）

分享一下我老師大神的人工智慧教程！零基礎，通俗易懂！http://blog.csdn.net/jiangjunshow 也歡迎大家轉載本篇文章。分享知識，造福人民，實現我們中華民族偉大復興！        

（轉載）深度學習基礎（1）——感知器

原文地址：https://zybuluo.com/hanbingtao/note/581764 轉載在此的目的是自己做個筆記，日後好複習，如侵權請聯絡我！！ 深度學習是什麼？ 　　在人工智慧領域，有一個方法叫機器學習。在機器學習這個方法裡，有一類演算法叫神經網路。神經網路如下圖所示： 　　上圖的每

（轉載）深度學習基礎（3）——神經網路和反向傳播演算法

原文地址：https://www.zybuluo.com/hanbingtao/note/476663 轉載在此的目的是自己做個筆記，日後好複習，如侵權請聯絡我！！ 　　在上一篇文章中，我們已經掌握了機器學習的基本套路，對模型、目標函式、優化演算法這些概念有了一定程度的理解，而且已經會訓練單個的感知器或者

（轉載）深度學習基礎（7）——遞迴神經網路

原文地址：https://zybuluo.com/hanbingtao/note/626300 轉載在此的目的是自己做個筆記，日後好複習，如侵權請聯絡我！！ 　　在前面的文章中，我們介紹了迴圈神經網路，它可以用來處理包含序列結構的資訊。然而，除此之外，資訊往往還存在著諸如樹結構、圖結構等更復雜的結構。對於

統計學習方法（5）整合學習（提升方法）

統計學習方法（4）整合學習（提升方法） 1、Bagging： 基於並行策略：基學習器之間不存在依賴關係，可同時生成。 基本思路： 利用自助取樣法對訓練集隨機取樣，重複進行 T 次; 基於每個取樣集訓練一個基學習器，並得到 T 個基學習器； 預測時，集體投票決策

Keras學習基礎（2）

目錄： Keras的模組結構 資料預處理 模型 網路層 網路配置 Keras中的資料處理 文字預處理 序列預處理 影象預處理 Keras中的模型 Sequential順序模型 函

pytorch自我學習基礎（一） 線性迴歸

pytorch 版本 0.2.0 #coding=utf-8 from matplotlib import pylab as plt import numpy as np import random import torch.nn as nn import torch fr

深度學習基礎（一） —— softmax 及 logsoftmax

                softmax：重新定義了多層神經網路的輸出層（output layer），注意僅和輸出層有關係，和其他層無關。softmax function，也稱為 normalized exponential（指數族分佈的觀點）；1. softmax我們知道在神經網路的前饋（feedfo

深度學習基礎（五）--聚類

總結一下今天的學習過程（注：程式碼都是根據教程抄的，哈哈） 1，溫習了統計學中的相關度與R值有關知識，以及計算公式，以及Python程式碼的實現，在簡單線性迴歸中，兩個是等價的 2，學習了k-means演算法，感覺這個應該是理解了，並對程式碼進行了單步除錯及邏輯的進一步理解

機器學習基礎（二）——詞集模型（SOW）和詞袋模型（BOW）

（1）詞集模型：Set Of Words，單詞構成的集合，集合自然每個元素都只有一個，也即詞集中的每個單詞都只有一個 （2）詞袋模型：Bag Of Words，如果一個單詞在文件中出現不止一次，並統計

演算法工程師修仙之路：李航統計學習方法（一）

第1章 統計學習方法概論 統計學習 統計學習的特點 統計學習（statistical learning）是關於計算機基於資料構建概率統計模型並運用模型對資料進行預測與分析的一門學科，統計學習也稱為統計機器學習（statistical machine learnin

深度學習基礎（二）—— 從多層感知機（MLP）到卷積神經網路（CNN）

經典的多層感知機（Multi-Layer Perceptron）形式上是全連線（fully-connected）的鄰接網路（adjacent network）。 That is, every neuron in the network is connec

Python 機器學習基礎（二）——Numpy 篇

本文是 Python 機器學習基礎系列文章的第二篇——Numpy 篇。 Numpy Numpy 是 Python 的一種開源數值計算擴充套件包，它可以用於儲存和處理大型矩陣，比 Python 自帶的巢狀列表結構要高效得多。 Numpy 陣列（Num

SLAM學習基礎（二）——《視覺SLAM十四講》讀後感、SLAM核心技術總結（部分）

（1）《視覺SLAM十四講》_高翔 第一遍學習： 《視覺SLAM十四講》這本書，很詳細的從幾何學的角度講述了SLAM的各種核心技術。是成為一名SLAM技術的邊緣OB者的不二選擇。 本書的前六講主要是在安裝庫（當然，順道介紹書數學基礎知識），SLAM執行需要的各種庫，因為我是在ub

深度學習基礎（五）—— 資料預處理

1 PCA 主成分分析法，一般用於資料降維。WHY? 影象中相鄰的畫素高度相關，輸入資料是有一定冗餘的。具體來說，假如我們正在訓練的16x16灰度值影象，記為一個256維向量 x∈ℜ256，其中特徵值 xj對應每個畫素的亮度值。由於相鄰畫素間的相關

Python學習基礎（一）列表（1）

1、列表的基本概念 （1）列表由一系列按特定順序排列的元素組成。列表中的元素可以為數字、字母或者姓名，並且其中的元素之間可以沒有任何關係，一般列表包含多個元素，所以一般給列表指定一個複數名稱（letters、digits或names）。 在p

深度學習基礎（七）—— Activation Function

1. Sigmoid 函式定義： f(x)=11+e−xf(x)=11+e−x 對應的影象是： 優點： Sigmoid函式的輸出對映在(0,1)之間，單調連續，輸出範圍有限，優化穩定，可以用作輸出層。 求導容易。 缺點： si