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](http://www.pkudodo.com/)。
##### 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。
实现
======
### 第二章 感知机：
博客：[统计学习方法|感知机原理剖析及实现](http://www.pkudodo.com/2018/11/18/1-4/)
实现：[perceptron/perceptron_dichotomy.py](https://github.com/Dod-o/Statistical-Learning-Method_Code/blob/master/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](http://www.pkudodo.com/2018/11/19/1-2/)
实现：[KNN/KNN.py](https://github.com/Dod-o/Statistical-Learning-Method_Code/blob/master/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](http://www.pkudodo.com/2018/11/21/1-3/)
实现：[NaiveBayes/NaiveBayes.py](https://github.com/Dod-o/Statistical-Learning-Method_Code/blob/master/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](http://www.pkudodo.com/2018/11/30/1-5/)
实现：[DecisionTree/DecisionTree.py](https://github.com/Dod-o/Statistical-Learning-Method_Code/blob/master/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](http://www.pkudodo.com/2018/12/03/1-6/)
博客：最大熵：[统计学习方法|最大熵原理剖析及实现](http://www.pkudodo.com/2018/12/05/1-7/)
实现：逻辑斯蒂回归：[Logistic_and_maximum_entropy_models/logisticRegression.py](https://github.com/Dod-o/Statistical-Learning-Method_Code/blob/master/Logistic_and_maximum_entropy_models/logisticRegression.py)
实现：最大熵：[Logistic_and_maximum_entropy_models/maxEntropy.py](https://github.com/Dod-o/Statistical-Learning-Method_Code/blob/master/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](http://www.pkudodo.com/2018/12/16/1-8/)
实现：[SVM/SVM.py](https://github.com/Dod-o/Statistical-Learning-Method_Code/blob/master/SVM/SVM.py)
### 第八章 提升方法：
实现：[AdaBoost/AdaBoost.py](https://github.com/Dod-o/Statistical-Learning-Method_Code/blob/master/AdaBoost/AdaBoost.py)
### 第九章 EM算法及其推广：
实现：[EM/EM.py](https://github.com/Dod-o/Statistical-Learning-Method_Code/blob/master/EM/EM.py)
### 第十章 隐马尔可夫模型：
实现：[HMM/HMM.py](https://github.com/Dod-o/Statistical-Learning-Method_Code/blob/master/HMM/HMM.py)
联系
======
项目未来短期内不再更新，如有疑问欢迎使用issue，也可添加微信或邮件联系。
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
统计学习算法实现，备份下怕误删
需积分: 5 67 浏览量
2022-03-22
10:29:35
上传
评论
收藏 25.68MB ZIP 举报
统计学习算法实现.zip （21个子文件） 
Statistical-Learning-Method_Code NaiveBayes 
NaiveBayes.py 9KB HMM 
testArtical.txt 3KB HMMTrainSet.txt 7.37MB HMM.py 18KB DecisionTree DecisionTree.py 15KB transMnist Mnist train-images.idx3-ubyte 44.86MB t10k-labels.idx1-ubyte 10KB t10k-images.idx3-ubyte 7.48MB train-labels.idx1-ubyte 59KB transMnist.py 1KB Logistic_and_maximum_entropy_models logisticRegression.py 6KB maxEntropy.py 12KB perceptron perceptron_dichotomy.py 6KB AdaBoost AdaBoost.py 11KB
CodePic.png 21KB Mnist 
mnist_test.rar 1.86MB mnist_train.rar 11.18MB EM EM.py 7KB KNN KNN.py 7KB SVM SVM.py 19KB README.md 3KB
涂兆诚
- 粉丝: 188
- 资源: 13
评论0