李航老師的《統計學習方法》可以說是機器學習的入門寶典，我將這本書的算法用Python代碼復現了，并做成在線閱讀版本，可以利用碎片時間閱讀。（黃海廣）

資源介紹

我初學機器學習過程中，李航老師的《統計學習方法》給我極大的幫助，我試著從github搜索下載和自己修改代碼，把這本書用python代碼實現了，并放到了github下載（差不多7700+star）：

https://github.com/fengdu78/lihang-code

今年7月我參加機器之心舉辦的GMIS峰會，見到來了李航老師，加了微信，簡單交流了下，我做的這個項目得到了李航老師的肯定。

很多朋友希望能在手機上利用碎片時間學習，于是我把完整代碼放在了公眾號文章里，并在本文做好閱讀目錄，可以在線打開學習。

圖書購買

尊重李航老師的勞動成果，拒絕盜版。

資料說明

《統計學習方法》第一版于 2012年出版，講述了統計機器學習方法，主要是一些常用的監督學習方法。第二版增加了一些常用的無監督學習方法，由此本書涵蓋了傳統統計機器學習方法的主要內容。第一版和第二版前面十二章相同，第二版多了無監督學習的內容：

目錄

第1篇 監督掌習（代碼已經完成，點擊相應章節打開）

第1章統計學習及監督學習概論
第2章感知機
第3章k近鄰法
第4章樸素貝葉斯法
第5章決策樹
第6章邏輯斯諦回歸與最大熵模型
第7章支持向量機
第8章提升方法
第9章EM算法及其推廣
第10章隱馬爾可夫模型
第11章條件隨機場
第12章監督學習方法總結

第2篇無監督學習（還在制作中）

第13章無監督學習概論
第14章聚類方法
第15章奇異值分解
第16章主成分分析
第17章潛在語義分析
第18章概率潛在語義分析
第19章馬爾可夫鏈蒙特卡羅法

第20章? 潛在狄利克雷分配

第21章? PageRank算法

第22章? 無監督學習方法總結

? ? 附錄A? 梯度下降法

? ? 附錄B? 牛頓法和擬牛頓法

? ? 附錄C? 拉格朗日對偶性

? ? 附錄D? 矩陣的基本子空間

? ? 附錄E? KL散度的定義和狄利克雷分布的性質

建議學習方法

使用微信收藏本文，學習的時候，從本文點擊相關章節的鏈接進行學習。

文章里也是完整代碼，如果需要下載代碼學習，請訪問github：

https://github.com/fengdu78/lihang-code

總結

以上是生活随笔為你收集整理的经典复现：《统计学习方法》的代码实现（在线阅读！）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。