Statistical-Learning-Method_Code/README.md

前言

力求每行代码都有注释，重要部分注明公式来源。具体会追求下方这样的代码，学习者可以照着公式看程序，让代码有据可查。

如果时间充沛的话，可能会试着给每一章写一篇博客。先放个博客链接吧：传送门。

注：其中Mnist数据集已转换为csv格式，由于体积为107M超过限制，改为压缩包形式。下载后务必先将Mnist文件内压缩包直接解压。

Updates Jan 27 2021：部分无监督算法已更新！！！ 该部分由Harold-Ran提供，在此感谢！ 有其他算法补充的同学也欢迎添加我微信并pr，一起冲鸭！！！

实现

监督部分

第二章 感知机：

博客：统计学习方法|感知机原理剖析及实现
实现：perceptron/perceptron_dichotomy.py

第三章 K近邻：

博客：统计学习方法|K近邻原理剖析及实现
实现：KNN/KNN.py

第四章 朴素贝叶斯：

博客：统计学习方法|朴素贝叶斯原理剖析及实现
实现：NaiveBayes/NaiveBayes.py

第五章 决策树：

博客：统计学习方法|决策树原理剖析及实现
实现：DecisionTree/DecisionTree.py

第六章 逻辑斯蒂回归与最大熵模型：

博客：逻辑斯蒂回归：统计学习方法|逻辑斯蒂原理剖析及实现
博客：最大熵：统计学习方法|最大熵原理剖析及实现

实现：逻辑斯蒂回归：Logistic_and_maximum_entropy_models/logisticRegression.py
实现：最大熵：Logistic_and_maximum_entropy_models/maxEntropy.py

第七章 支持向量机：

博客：统计学习方法|支持向量机(SVM)原理剖析及实现
实现：SVM/SVM.py

第八章 提升方法：

实现：AdaBoost/AdaBoost.py

第九章 EM算法及其推广：

实现：EM/EM.py

第十章 隐马尔可夫模型：

实现：HMM/HMM.py

无监督部分

第十四章 聚类方法

实现：K-means_Clustering.py

实现：Hierachical_Clustering.py

第十六章 主成分分析

实现：PCA.py

第十七章 潜在语意分析

实现：LSA.py

第十八章 概率潜在语意分析

实现：PLSA.py

第二十章 潜在狄利克雷分配

实现：LDA.py

第二十一章 PageRank算法

实现：Page_Rank.py

联系

欢迎pr，有疑问也可通过issue、微信或邮件联系。
此外如果有需要MSRA实习内推的同学，欢迎骚扰。
Wechat: lvtengchao（备注“blog-学校/单位-姓名”）
Email: lvtengchao@pku.edu.cn