统计学习方法概论
下面就先将统计学习概论做一个简单的介绍：
思维导图在线浏览地址：统计学习概论
本章节讲的是监督方法的简介以及统计学习的三大组成部分:
思维导图在线浏览地址：统计学习三要素
本章主要讲的是模型的选择，模型的相关分类还有统计学习问题的分类：分类问题、标注问题、回归问题，连着上两篇统计学习简介，统计学习方法的简介到这里就结束了：
思维导图在线浏览地址：模型评估与选择
感知机
感知机是人工神经网络和SVM一个非常重要的组成部分，本章主要讲了感知机的模型、策略以及算法的相关证明，详细见下方思维导图：
思维导图在线浏览地址：感知机思维导图
K近邻法
本章主要讲了K近邻的算法、模型 以及kd树的构造与最近邻搜索：
思维导图在线浏览地址：K近邻法思维导图
朴素贝叶斯法
本章主要讲了生成学习方法-朴素贝叶斯法的详细生成方法 、 朴素贝叶斯的特点-条件独立性假设：
思维导图在线浏览地址：朴素贝叶斯思维导图
思维来自《统计学习方法》-李航
欢迎前往我的个人小站：www.wengjj.ink
才学疏浅，欢迎评论指导
