《统计学习方法》思维导图-上

李航老师的《统计学习方法》是入门机器学习的经典书籍,为了帮助大家能更为透彻地理解《统计学习方法》的知识结构,故将《统计学习方法》这本书按章节制作成思维导图,根据章节分为上中下三部分,方便大家能更为透彻地理解机器学习的模型与算法

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

数据矿工学习
数据矿工学习

数据世界的矿工,关注机器学习的相关学习,从零开始记录入门学习笔记,帮助大家更好地步入AI世界

入门朴素贝叶斯K近邻法感知机统计学习方法
81
Mark
1