统计学习方法（五）决策树
决策树是一种基本的分类与回归方法，在分类问题中，用树形结构表示基于特征对实例进行分类的过程。
统计学习方法（四）朴素贝叶斯法
本文字数：
2.6k
朴素贝叶斯法基于贝叶斯定理，对于训练集，首先根据特征条件假设联合概率分布，基于此，对给定的输入，利用贝叶斯定理求出后验概率最大的输出。
统计学习方法（三）k近邻法
本文字数：
1.5k
k近邻法，是一种基本分类与回归方法。输入为特征向量，输出为类别。
统计学习方法（二）感知机
本文字数：
1.9k
感知机，是二分类的线性分类模型。输入为实例的特征向量，输出为±1，旨在求出将训练数据进行线性划分的分离超平面，是神经网络与SVM的基础。
统计学习方法（一）概论
本文字数：
2.1k
开始学习李航老师的《统计学习方法》。