Statistical-Learning-Method_Code — 常见问题

Question 1

这是什么？

Accepted Answer

这是用 Python 从零实现李航《统计学习方法》（统计学习方法）中涵盖的每一种算法的项目，代码注释详尽，并与书中的公式一一对应。

Question 2

这是要导入的库，还是独立的示例脚本？

Accepted Answer

这是一组独立的脚本，每种算法或章节一个文件夹（例如 SVM/SVM.py、HMM/HMM.py），而不是可以通过 pip install 安装的打包库。

Question 3

如何运行其中一个算法实现？

Accepted Answer

克隆仓库，然后直接用 Python 运行对应的脚本，例如 python perceptron/perceptrondichotomy.py；每章的代码都放在各自的文件夹中。

Question 4

运行脚本之前，我需要对数据集做些什么吗？

Accepted Answer

需要。随附的 Mnist 数据集是以压缩 csv 的形式提供的（因为解压后的文件有 107MB），因此在运行使用它的脚本之前，必须先把 Mnist 文件夹内的压缩包解压。

Question 5

我能把这些代码用于商业用途吗？

Accepted Answer

不能。项目内容采用 CC BY-NC-SA 4.0 许可协议，该协议仅限非商业用途，因此你可以分享和改编，但不能出售或用于商业用途。

Question 6

这是用于生产环境，还是用于学习？

Accepted Answer

这是《统计学习方法》的学习辅助材料，每个实现都优先考虑清晰性和与公式的可对照性，而非性能，面向学习经典统计学习方法的学生。

Question 7

书中的哪些算法有对应的实现？

Accepted Answer

监督学习：感知机、K近邻、朴素贝叶斯、决策树、逻辑斯谛回归、最大熵模型、支持向量机、AdaBoost、EM算法、隐马尔可夫模型。无监督学习：K均值、层次聚类、主成分分析、LSA、PLSA、LDA、PageRank。

Question 8

除了代码注释，还有更多的解释吗？

Accepted Answer

有。作者为大多数章节撰写了配套的博客文章，逐步讲解理论，例如《统计学习方法 | SVM 原理分析与实现》，并在 README 中直接链接。

Question 9

这个项目还在积极开发吗？

Accepted Answer

作者提到已与人民邮电出版社签订出书合同，并在2022年2月的更新中计划在单独的 book 分支中重构代码，但除此之外，更新一直时断时续。

Statistical-Learning-Method_Code README

【广告位-AI 工具推荐】学术研究必备 - GreatRouter 大模型 API 服务

前言

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。

【Updates】

实现

监督部分

第二章感知机：

第三章 K近邻：

第四章朴素贝叶斯：

第五章决策树：

第六章逻辑斯蒂回归与最大熵模型：

第七章支持向量机：

第八章提升方法：

第九章 EM算法及其推广：

第十章隐马尔可夫模型：

无监督部分

第十四章聚类方法

第十六章主成分分析

第十七章潜在语意分析

第十八章概率潜在语意分析

第二十章潜在狄利克雷分配

第二十一章 PageRank算法

许可 / License

联系

项目历史

Statistical-Learning-Method_Code README

【广告位-AI 工具推荐】学术研究必备 - GreatRouter 大模型 API 服务

前言

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。

【Updates】

实现

监督部分

第二章 感知机：

第三章 K近邻：

第四章 朴素贝叶斯：

第五章 决策树：

第六章 逻辑斯蒂回归与最大熵模型：

第七章 支持向量机：

第八章 提升方法：