李航《统计学习方法》笔记和 Python 实现（不基于任何代数运算库）+源代码+文档说明

# 《统计学习方法》笔记与算法实现 ## 说明 李航《统计学习方法》笔记与算法的 Python 实现。测试样例是例题数据，学习笔记主要在[本人博客](http://yuenshome.cn)的[《统计学习方法》](http://yuenshome.cn/?cat=202)目录下，也可点击下方目录的章节名阅读笔记。笔记大部分为原书的内容摘抄。 算法主要基于 Python 语言进行实现，为了原汁原味地用代码将算法描述，所有没有使用第三方的线性代数运算库（如 Numpy 或 Pandas 等）。代码注释尽可能完善完整，力求描述准确到位。如有错误，还望指出（[→ 点击这里提问题吧 ←](https://github.com/ysh329/statistical-learning-methods-note/issues)），不胜感激！ ## 目录 * 第 1 章 统计学习方法概论 * 第 2 章 [感知机](./chapter_2_perceptron/) [\[感知机代码-原始形式\]](./chapter_2_perceptron/Perceptron.py) [\[感知机代码-对偶形式\]](./chapter_2_perceptron/Dual-form_Perceptron.py) * 第 3 章 [k近邻算法](./chapter_3_kNN/) [\[k近邻代码\]](./chapter_3_kNN/kNN.py) [\[kd树简化版代码\]](./chapter_3_kNN/Simple-kd-Tree.py) [\[kd树完整版代码\]](./chapter_3_kNN/kd-Tree.py) [\[错误kd树代码\]](./chapter_3_kNN/WrongKDTreeCodeDemo.py) * 第 4 章 [朴素贝叶斯法](./chapter_4_NaiveBayes/) * 第 5 章 决策树 * 第 6 章 逻辑斯谛回归与最大熵模型 * 第 7 章 支持向量机 * 第 8 章 [提升方法](./chapter_8_boosting/) [\[AdaBoost代码\]](./chapter_8_boosting/AdaBoost.py) * 第 9 章 EM算法及其推广 * 第 10 章 隐马尔科夫模型 * 第 11 章 条件随机场 * 第 12 章 统计学习方法总结 -------- 该资源内项目源码是个人的毕设，代码都测试ok，都是运行成功后才上传资源，答辩评审平均分达到96分，放心下载使用！ <项目介绍> 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可用于毕设、课设、作业等。 下载后请首先打开README.md文件（如有），仅供学习参考, 切勿用于商业用途。 --------