李航《統計學習方法》電子版、配套課件及python實現代碼分享
1 前言
吳恩達老師的《機器學習》(點擊即可閱讀)和《深度學習》(點擊即可閱讀)兩門課程作爲機器學習的入門首選參考資料，可以說絕大部分AI從業者都受益匪淺。StrongerTang本着“好資源大家一起分享，共同學習，共同進步”的初衷，已經在很久之前便分享了對應的兩份全套筆記，好多朋友通過後臺留言獲取了這兩份資料，小湯也因此幸運地結識了不好朋友。
今天小湯要給大家推薦和分享的便是國內機器學習必備資料——李航老師的《統計學習方法》。該書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，大都參考了這本書，所以也是同樣必讀的書目之一。
2 簡介
李航，日本京都大學電氣工程系畢業，日本東京大學計算機科學博士。曾任職於日本NEC公司中央研究所，微軟亞洲研究院高級研究員及主任研究員，現任華爲諾亞方舟實驗室首席科學家。擔任北京大學、南開大學、西安交通大學客座教授。研究方向包括信息檢索、自然語言處理、統計機器學習及數據挖掘。
本書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、邏輯斯諦迴歸與最大熵模型、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章概論和最後一章總結外，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，便於讀者掌握統計學習方法的實質，學會運用。爲滿足讀者進一步學習的需要，書中還介紹了一些相關研究，給出了少量習題，列出了主要參考文獻。
小湯本着交流學習的角度，在文末分享了該書的電子版，需要的小夥伴可以免費下載獲取。但請勿用於任何商業用途，僅供自身學習參考使用。
當然，StrongerTang強烈支持該書版權所屬，對於喜歡紙質實體書閱讀的朋友，建議購買正版書籍閱讀。
補充介紹：
今年5月，《統計學習方法第二版》也問世了。較第一版，第二版新加了無監督學習方面的內容，並對第一版的監督學習方法做了一些修改。總體而言，第二版可以分爲監督學習和無監督學習兩篇。從這兩大塊出發，基本上傳統機器學習的主要概念就能一步步掌握了。
具體而言，第一篇介紹了感知機、樸素貝葉斯法、決策樹、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算法，它們都是非常經典的監督學習方法。第二篇主要討論了聚類方法、奇異值分解、主成分分析、潛在語義分析、馬爾可夫鏈蒙特卡羅法和潛在狄利克雷分配等算法，它們都是非常經典的無監督學習方法。
需要的朋友可以購買正版書籍閱讀。
3 配套課件
爲了方便教學，清華大學深圳研究生院的袁春老師精心製作了《統計學習方法》的配套課件，並被熱心網友分享到了網上，供大家學習使用：
部分課件展示：
4 代碼實現
《統計學習方法》官方並沒有提供代碼實現，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。StrongerTang給大家分享一下機器學習推廣者黃海廣博士分享的代碼整理。改代碼是在 GitHub 網站蒐集並進行整理，部分內容作了一定的修改，使用 Python3.6 實現了第 1-11 章的課程代碼。
代碼目錄與截圖：
5 資料免費獲取
最後，李航老師的《統計學習方法》電子版pdf、配套課件及python實現代碼分享已經打包完畢，需要的可以按照以下方式獲取：
1.長按下方二維碼關注 “StrongerTang” 公衆號
2.公衆號後臺回覆關鍵詞：統計學習方法
聲明：此資料免費分享，僅作知識分享，勿用於任何商業用途。贈人玫瑰，手有餘香！