在前一篇文章中我分享了一个基于numpy的机器学习源码实现,这种不依赖其他第三方库的实现方式有助于对理论的理解。
今天继续分享类似的资源。
李航老师的《统计学习方法》想必大家都有所了解,被誉为国内机器学习的圣经。
今天分享的资源与这本书密切相关,主要包括三部分:
对书中理论知识的浓缩
书中机器学习模型的源代码实现
书中的课后习题解答
第一个资源的地址:
https://github.com/AIDajiangtang/lihang-code
这个资源可以看作是《统计学习方法》的官方配套源代码实现和习题解答。
内容划分与书中的章节一致,每一章都是一个ipynb文件,可以通过notebook直接运行其中的源代码,除了源代码外还有对本章内容的浓缩。
这种一站式资源让人学起来很舒服。
首先对理论的浓缩能让你对机器学习方法有一个大致的了解,然后通过可运行的源代码进行实践加深认知,最后通过习题进行答疑解惑。
第二个资源的地址:
https://github.com/AIDajiangtang/Statistical-Learning-Method_Code
该资源与前一个一样,都是对《统计学习方法》的源码实现。
但我仍然强烈推荐它,因为它的注释太详细了,几乎每一行代码都有一个注释,足见作者的功力。
更难得的是它在注释中会标明代码对应的是哪个理论,甚至会标明代码对应的是哪个公式,这个就很厉害了,因为公式有时是非常晦涩难懂的,找到公式对应的代码也很难。
理解了公式,对于理论部分就基本上没问题了。
这里要说明一下,这两个仓库的源代码对应的是《统计学习方法》第二版。
关注微信公众号:人工智能大讲堂,后台回复【st】获取pdf资源。