李航老師的《統計學習方法》可以說是機器學習的入門寶典，許多機器學習培訓班、互聯網企業的面試、筆試題目，很多都參考這本書。2019年5月1日，《統計學習方法第二版》出版了！本人的github也做了相應更新。

github（李航《統計學習方法》的代碼實現）：

https://github.com/fengdu78/lihang-code??

本次修改了部分錯誤，增加了每章概述，更新完前12章，今后將增加第二版的內容。

修改主要錯誤：

第3章 k近鄰法的max_count錯誤

第10章 隱馬爾可夫模型的viterbi索引錯誤

增加的內容：

增加每章的概要

《統計學習方法》簡介

《統計學習方法》全面系統地介紹了統計學習的主要方法，特別是監督學習方法，包括感知機、k近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦回歸與支持向量機、提升方法、em算法、隱馬爾可夫模型和條件隨機場等。除第1章概論和最后一章總結外，每章介紹一種方法。敘述從具體問題或實例入手，由淺入深，闡明思路，給出必要的數學推導，便于讀者掌握統計學習方法的實質，學會運用。

《統計學習方法》可以說是機器學習的入門寶典，許多機器學習培訓班、互聯網企業的面試、筆試題目，很多都參考這本書。?

第一版課程目錄:

第1章 統計學習方法概論

第2章 感知機

第3章 k近鄰法

第4章 樸素貝葉斯

第5章 決策樹

第6章 邏輯斯諦回歸

第7章 支持向量機

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 條件隨機場

第12章 統計學習方法總結

第二版課程目錄：

第1篇 監督掌習

第1章統計學習及監督學習概論
第2章感知機
第3章k近鄰法
第4章樸素貝葉斯法
第5章決策樹
第6章邏輯斯諦回歸與優選熵模型
第7章支持向量機
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章條件隨機場
第12章監督學習方法總結
第2篇無監督學習
第13章無監督學習概論
第14章聚類方法
第15章奇異值分解
第16章主成分分析
第17章潛在語義分析
第18章概率潛在語義分析
第19章馬爾可夫鏈蒙特卡羅法

第20章? 潛在狄利克雷分配

第21章? PageRank算法

第22章? 無監督學習方法總結

? ? 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

本人做了比較，第二版的前十二章與第一版完全一致，并對第一版的錯誤進行了修改，建議直接買第二版。購買鏈接：

統計學習方法的代碼實現

《統計學習方法》官方沒有提供代碼實現，但是網上有許多機器學習愛好者嘗試對每一章的內容進行了代碼實現。

本站在github網站搜集了一些代碼進行整理，并作了一定的修改，使用python3.6實現了第1-12章的課程代碼。

代碼目錄與截圖：

圖：代碼目錄（ipynb格式）

import numpy as np import math import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False plt.figure(figsize=(10,8)) x = np.linspace(start=-1, stop=2, num=1001, dtype=np.float) logi = np.log(1 + np.exp(-x)) / math.log(2) boost = np.exp(-x) y_01 = x < 0 y_hinge = 1.0 - x y_hinge[y_hinge < 0] = 0plt.plot(x, y_01, 'g-', mec='k', label='（0/1損失）0/1 Loss', lw=2) plt.plot(x, y_hinge, 'b-', mec='k', label='（合頁損失）Hinge Loss', lw=2) plt.plot(x, boost, 'm--', mec='k', label='（指數損失）Adaboost Loss', lw=2) plt.plot(x, logi, 'r-', mec='k', label='（邏輯斯諦損失）Logistic Loss', lw=2) plt.grid(True, ls='--') plt.legend(loc='upper right',fontsize=15) plt.xlabel('函數間隔:$yf(x)$',fontsize=20) plt.title('損失函數',fontsize=20) plt.show()

圖：代碼截圖（第12章 繪制損失函數）（ipynb格式）

????課件

《統計學習方法》課件

作者袁春：清華大學深圳研究生院，提供了全書12章的PPT課件。

圖：課件截圖

? ??總結

《統計學習方法》可以說是機器學習的入門寶典，本站根據網上資料用python復現了課程內容并提供，近日增加了相應內容并修改了錯誤，本文提供本書的代碼實現、課件及電子書下載。

github（李航《統計學習方法》的代碼實現）：

https://github.com/fengdu78/lihang-code??

備注：黃海廣博士的github可以直接在百度云下載鏡像。

本站簡介↓↓↓?

“機器學習初學者”是幫助人工智能愛好者入門的個人公眾號（創始人：黃海廣）

初學者入門的道路上，最需要的是“雪中送炭”，而不是“錦上添花”。

本站的知識星球（黃博的機器學習圈子）ID：92416895

目前在機器學習方向的知識星球排名第一（上圖二維碼）

往期精彩回顧

• 良心推薦：機器學習入門資料匯總及學習建議（2018版）
  

• 黃海廣博士的github鏡像下載（機器學習及深度學習資源）

• 吳恩達老師的機器學習和深度學習課程筆記打印版
  

• 機器學習小抄-（像背托福單詞一樣理解機器學習）

• 首發：深度學習入門寶典-《python深度學習》原文代碼中文注釋版及電子書

• 機器學習的數學基礎

• 機器學習必備寶典-《統計學習方法》的python代碼實現、電子書及課件

• 吐血推薦收藏的學位論文排版教程（完整版）

• Python環境的安裝（Anaconda+Jupyter notebook+Pycharm）

• Python代碼寫得丑怎么辦？推薦幾個神器拯救你

• 重磅 | 完備的 AI 學習路線，最詳細的資源整理！

備注：本站qq群：865189078（共8個群，不用重復加）。

加入本站微信群，請加黃博的助理微信，說明：公眾號用戶加群。

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的《统计学习方法》代码更新了-（github的star数5300+）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。