參考：AI派
李航博士的《統(tǒng)計(jì)學(xué)習(xí)方法》可以說是機(jī)器學(xué)習(xí)的入門寶典耸携，之前StrongerTang也特意分享過雕沿，李航《統(tǒng)計(jì)學(xué)習(xí)方法》電子版撤防、配套課件及python實(shí)現(xiàn)代碼分享(點(diǎn)擊即可閱讀)椰弊。
現(xiàn)如今叙谨，統(tǒng)計(jì)學(xué)習(xí)方法（第2版）于今年5月份出版温鸽，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)容手负，更加豐富涤垫，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(jì)學(xué)習(xí)方法（第2版）》制作了課件方便學(xué)習(xí)觀看竟终。李航博士特此在微博上公開蝠猬。
李航，男统捶，畢業(yè)于日本京都大學(xué)電氣電子工程系榆芦，日本東京大學(xué)獲得計(jì)算機(jī)科學(xué)博士學(xué)位敦姻。北京大學(xué)、南京大學(xué)兼職教授歧杏。曾任日本NEC公司中央研究所研究員，微軟亞洲研究院高級(jí)研究員與主任研究員迷守、華為技術(shù)有限公司諾亞方舟實(shí)驗(yàn)室主任∪蓿現(xiàn)任字節(jié)跳動(dòng)科技有限公司人工智能實(shí)驗(yàn)室總監(jiān)，主要研究方向?yàn)樽匀徽Z言處理兑凿、信息檢索凯力、機(jī)器學(xué)習(xí)等。
《統(tǒng)計(jì)學(xué)習(xí)方法》(第2版）
內(nèi)容簡介：
統(tǒng)計(jì)學(xué)習(xí)方法即機(jī)器學(xué)習(xí)方法礼华，是計(jì)算機(jī)及其應(yīng)用領(lǐng)域的一門重要學(xué)科咐鹤。本書分為監(jiān)督學(xué) 習(xí)和無監(jiān)督學(xué)習(xí)兩篇，全面系統(tǒng)地介紹了統(tǒng)計(jì)學(xué)習(xí)的主要方法圣絮。包括感知機(jī)祈惶、k 近鄰法、樸素貝葉斯法扮匠、決策樹捧请、邏輯斯諦回歸與最大熵模型、支持向量機(jī)棒搜、提升方法疹蛉、EM 算法、隱馬爾可夫模型和條件隨機(jī)場力麸，以及聚類方法可款、奇異值分解、主成分分析克蚂、潛在語義分析闺鲸、概率潛在語義分析、馬爾可夫鏈蒙特卡羅法陨舱、潛在狄利克雷分配和 PageRank 算法等翠拣。除有關(guān)統(tǒng)計(jì)學(xué)習(xí)、監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的概論和總結(jié)的四章外游盲，每章介紹一種方法误墓。敘述力求從具體問題或?qū)嵗胧郑?由淺入深，闡明思路益缎，給出必要的數(shù)學(xué)推導(dǎo)谜慌，便于讀者掌握統(tǒng)計(jì)學(xué)習(xí)方法的實(shí)質(zhì)，學(xué)會(huì)運(yùn)用莺奔。?為滿足讀者進(jìn)一步學(xué)習(xí)的需要欣范，書中還介紹了一些相關(guān)研究，給出了少量習(xí)題，列出了主要參考文獻(xiàn)恼琼。?本書是統(tǒng)計(jì)機(jī)器學(xué)習(xí)及相關(guān)課程的教學(xué)參考書妨蛹，適用于高等院校文本數(shù)據(jù)挖掘、信息檢索及自然語言處理等專業(yè)的大學(xué)生晴竞、研究生蛙卤，也可供從事計(jì)算機(jī)應(yīng)用相關(guān)專業(yè)的研發(fā)人員參考。
課件
目錄
《統(tǒng)計(jì)學(xué)習(xí)方法》第二版主要分為兩部分噩死，目前在京東和淘寶等平臺(tái)上已經(jīng)可以預(yù)訂了颤难。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)題已维。第二部分的無監(jiān)督學(xué)習(xí)是全新的內(nèi)容行嗤，因此這里展示了更多的細(xì)節(jié)。
第一篇監(jiān)督學(xué)習(xí)
第 1 章統(tǒng)計(jì)學(xué)習(xí)及監(jiān)督學(xué)習(xí)概論
第 2 章感知機(jī)
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(jī)
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(jī)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(jī)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(diǎn)
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
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?cái)嗥娈愔捣纸?/p>
15.1.3 幾何解釋
15.1.4 主要性質(zhì)
15.2 奇異值分解的計(jì)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(xiàn)
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(gè)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(xiàn)
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(fù)矩陣分解算法
17.3.1 非負(fù)矩陣分解
17.3.2 潛在語義分析模型
17.3.3 非負(fù)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(xiàn)
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(xiàn)
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(jī)抽樣
19.1.2 數(shù)學(xué)期望估計(jì)
19.1.3 積分計(jì)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(jì)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(jì)算
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
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(yàn)
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(jī)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(xiàn)
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(jī)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(jì)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(xiàn)
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(diǎn)
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(diǎn)
參考文獻(xiàn)
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(duì)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)
資料免費(fèi)獲取
最后垛耳，ppt已經(jīng)打包完畢栅屏，需要的朋友可以按照以下方式獲取：
1.搜索公堂鲜，既琴。眾--=，號(hào)：StrongerTang
2.后臺(tái)回復(fù)關(guān)鍵詞：李航PPT
聲明：此資料免費(fèi)分享泡嘴，僅作知識(shí)分享甫恩，勿用于任何商業(yè)用途。贈(zèng)人玫瑰酌予，手有余香磺箕！
