最近把李航的《統計學習方法》看完了，感覺很不錯，從概論到各個統計方法，由易到難層層推進，每個方法都有詳盡的數學公式推倒，感覺很適合有一定數學功底的人作為機器學習入門來看。可惜本人自幼愚鈍，資質欠佳，以前學的概率論與數理統計的知識都忘得差不多了，看得雲裡霧裡的，前面還好，越到後面越看不明白，遇到不懂的就上網查資料、翻書。好歹囫圇吞棗的全部看完了，也是收穫頗豐。
（以下內容純屬本人胡謅的，請專業人士馬上撤離，以免傷及無辜。注意，這不是演習！！！）
前面幾個方法都還比較簡單，感知機、k近鄰法、樸素貝葉斯和決策樹，連我這種人都看明白了，但還有一些深層次的東西沒有挖掘出來，想深究的朋友可以去看看相關的**。這幾個方法都可以自己寫寫程式跑跑語料庫，還是很有成就感的。邏輯斯諦回歸與最大熵模型後面就開始難起來了。最大熵模型的原理十分優美，還真是符合他的名字，最高大上。不過從吳軍的《數學之美》得知他的實現方法十分複雜，運算量很大。我感覺是個很有潛力的方法，等以後計算機發展的更快了會有很大的用武之地。支援向量機（support vector machine）名字十分拉風，說白了其實就是感知機的高階版，由於加入了核函式可以有非線性支援向量分類機，效果很好並且運算量不是很大，算是現在用的最廣泛的方法了。剛開始接觸 adaboost 完全是嚇到我了，我擦擦，強可學習（strongly learnable）和弱可學習（weakly learnable）竟然是等價的！但是學習完 adaboost 演算法後，也就是那麼回事嘛……隱馬爾科夫模型和條件隨機場感覺是乙個思想的產物，這兩個方法是本書最難的兩個方法了。隱馬爾科夫鏈以前還接觸過，條件隨機場完全是不懂啊，這名字太炫酷了，根本停不下來！也罷，等以後遇到了再看吧。
看書的時候我問師兄，「這些方法不會用程式實現，怎麼用啊？」師兄不屑的看了我一眼，「有現成的工具包，不用自己寫。」好吧，我就猜到了會是這樣。感覺現在 nlp 比的不是數學，而是人力了。誰的語料庫強大，把所有方法都試一遍，選出來最好的方法，也不管為什麼這樣做結果好，中間的運算過程完全是黑盒操作。隨便乙個人。這就像是業餘黑客和真正黑客的區別，乙個是用工具的，乙個是寫工具的。
作為乙個 nlp 菜鳥，還是應該先從學習工具包入手的，我最近玩了玩幾個比較出名的 nlp 工具包 word2vec、svm-light 和 maxent。等玩出名堂了再寫個簡易版教程。
統計學習方法 學習筆記（1）
統計學習方法的三要素 模型 策略和演算法，統計學習的物件是資料 方法 模型 策略 演算法。監督學習，也就是利用訓練資料學習乙個模型，在用這個模型對測試樣本進行 而由於訓練資料是由人為提供的，所以稱之為監督學習。1 模型 模型即是假設空間對應的條件概率或者是決策樹函式。2 策略 這裡引入了損失函式和風...
李航 統計學習方法 學習筆記 1 統計學習方法概論
1.4 模型評估與模型選擇 1.5 其他.考研終於告一段落，接下來是安心等待入學。想利用這段時間系統學習一下機器學習基礎，簡單記錄一下自己的學習過程，也算是對自己的一種監督。下面詳細介紹一下 策略 首先引入損失函式與風險函式的概念。損失函式度量模型一次 的好壞，風險函式度量平均意義下模型 的好壞。統...
統計學習方法學習規劃
人類簡史 作者尤瓦爾 赫拉利，在他的書中反覆強調統計學的重要性 華為老闆任正非，在央視採訪中提到要特別重視統計學的研究 知乎上各種大佬都說統計學很有用 在終極的分析中，一切知識都是歷史 在抽象的意義下，一切科學都是數學 在理性的基礎上，所有的判斷都是統計 c.r.rao在 統計與真理 的扉頁上寫下的...