FightingBob的博客

Hello，大家好！今天给大家分享的是感知机模型的对偶形式，这篇发完后第二章感知机就结束了，后续会直接跳到第七章支持向量机；另外理论推导和证明大家直接看书（文末可获得电子书），就不再抄一遍了，只写算法思路和代码实现。算法：感知机学习算法的对偶形式李航《统计学习方法》（第2版）P44——算法2.2输入：线性可分的数据集T={(x1,y1),(x2,y2),…,(xN,yN)}T=\{(x_1,y_1),(x_2,y_2),\dots,(x_N,y_N)\}T={(x1​,y1​),(x2​,y2​)

Hello，大家好！最近事情太多，导致这次停更时间有点长了，但是经过了这半年的学习，也学了不少东西，思考后决定，先把李航的《统计学习》这本书上的算法一一代码实现一下，来检测一下是否真的学会了，所以先分享给大家的是第二章：感知机模型！因为网上python的实现比较多，以及我最近用R比较多，所以本文的代码实现用R来写，python后续再找时间补上！目录算法：线性可分支持向量机学习算法R语言代码：效果展示资源获取算法：线性可分支持向量机学习算法李航《统计学习方法》（第2版）P39——算法2.1输

hello，大家好，上一篇分享了如何用R语言实现蒙特卡洛模拟，并用蒙特卡洛模拟计算了分布的均值和方差，今天给大家分享如何用R语言来进行矩估计和似然函数的求解。因为在求解矩估计和似然函数时，可能会遇到非线性方程组，所以先给大家介绍一下如何用Newton法来求解非线性方程组。本文所涉及的前两道例题来自于《R统计建模与R软件》——薛毅、陈立萍编著。目录Newton法例1：求解方程组矩估计例2：设总体XXX服从二项分布B(k,p)B(k,p)B(k,p)，其中k,pk,pk,p为未知参数，X1,X2,…,

hello，大家好，今天带给大家的是一种计算机模拟的方法——蒙特卡洛模拟（Monte Carlo）。这是一种基于概率统计模型所衍生的一种计算机模拟的方法，而它的原理就是概率论中所涉及的“大数定律”，也就是在实验次数非常多时，频率会依概率收敛，即频率非常接近概率。蒙特卡洛模拟的基本思路可以归纳为三步：构造问题的概率模型->从已知概率分布中抽样->建立所需的统计量。后面我会用两个例子来做详细的解释。因为本人后续的学习内容要以R语言为主，因此这两个例子我都是基于R语言来实现的。例1 蒙特卡洛模拟求