本文主要是介绍统计学习方法 ＜期末笔记之题目目录（end）＞，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！
具体已整理在线下笔记本中，这里只提供例题目录
时间少就直接做题了
所有作业已包含
所有课本题已包含
所有课后习题已包含
第一次作业已包含
第二次作业已包含
第三次作业已包含
第四次作业已包含
第五次作业已包含
第六次作业已包含
第七次作业已包含
一共64题
12.20 完成至贝叶斯 共30题
12.21 完成至决策树 共7题
12.23 完成至支持向量机 共7题
12.24 完成至聚类分析，奇异值分解 共20题
12.25 完成老师上课的一些证明 不计
1.5 期末考试
如果只考察算法和证明题，各章考察例题基本如下
第零章-统计学习及监督学习概论-共6题
强化学习说明 共1题 |
|---|
| ppt贪吃蛇例子，书本第10页 |
贝叶斯学习公式推导 共1题 |
|---|
| 老师上课推到过一遍，书本第14页 |
贝叶斯估计与极大似然估计 共2题 |
|---|
| 书本p33-34页，课后习题，1.1题答案,1.2题答案 |
方法=模型+策略+算法 共1题 |
|---|
| 书本p15起，公式背诵 |
第一章-LF补充之必备知识-共9题
无约束优化问题—梯度下降法 共5题 |
|---|
| 第一次作业 |
| ppt 第28页习题 |
约束优化问题 共2题 |
|---|
| 第二次作业第一题，求KT点KT对 |
| ppt45页 |
对偶算法 共2题 |
|---|
| ppt48页鞍点性质证明 |
| 第二次作业第二题 |
第二章-感知机-共5题
感知机学习的原始算法 共1题 |
|---|
| 书本p40-41页 |
| 书本p46-47页课后习题2.2 |
感知机学习的对偶算法 共1题 |
|---|
| 书本p44-45页 |
| 第三次作业第二题：完成例2.2的计算，并和表格逐行对比 |
感知机学习的证明题 共2题 |
|---|
| 书本p46-47页课后习题2.1，2.3。其中，第三次作业第一题，正好是P47 2.3课后习题 第二章课后习题答案 |
第三章-k近邻法-共5题
构造kd树 共2题 |
|---|
| 书本p54页 |
| 书本p58习题3.2，同时也是第四次作业第二题 |
第四章-朴素贝叶斯法-共5题
朴素贝叶斯算法 共2题 |
|---|
| 书本p63页 |
| p66课后习题第一题 |
贝叶斯估计 共3题 |
|---|
| 书本p65页 |
| 推导p64（4.10），即条件概率的贝叶斯估计，同时也是第五次作业第一题 |
| p66课后习题第二题 |
第五章第七章应该是考试的重点，复习前面的完后应该重点看这一部分
第五章-决策树-共7题
决策树这边主要分为：特征选择、决策树的生成（ID3、C4.5、CART）、决策树的剪枝（普通、CART）。
特征选择 共1题 |
|---|
| 书本p75页，同时包含第五次作业第二题：推导第三行g（D，A4） |
决策树的生成（ID3、C4.5） 共3题 |
|---|
| 书本p77 |
| 课后习题p89第1题 |
| 课后习题p89第2题 |
CART算法 共3题 |
|---|
| 书本P84-85，同时也包含第六次作业1，2题 |
| 课后习题P89第3题，同时也包含第六次作业3题 |
| 课后习题P89第4题 |
第七章-支持向量机-共7题
复习这里的时候要和第二章一起复习
线性可分支持向量机 共2题 |
|---|
| 书本p124 |
| p153课后习题 |
线性支持向量机 共3题 |
|---|
| 第四次作业第1题，同时也是p154第3题 |
| 第三次作业第3题，同时也是p153第2题 |
| 书本p124 |
以上都是监督学习部分
无监督学习部分如下
第十四章-聚类方法-共8题
相关定理证明共2题 |
|---|
| 习题p269，第1题 |
| 习题p269，第2题 |
k均值聚类 共5题 |
|---|
| 书本P266 |
| 习题p269，第3题 |
| 习题p269，第4题 |
| 第七次作业第一题 |
| 第七次作业第二题 |
第十五章-奇异值分解-共12题
奇异值分解 共12题 |
|---|
| 书本p272 例15.1 |
| 书本p277 例15.2 |
| 书本p278 例15.3 |
| 书本p279 例15.4 |
| 书本p283 例15.5 |
| 书本p292 例15.6 |
| 老师的推导，没用上面的，具体看平板 |
| 课后习题p294-295 题1-5 |
完篇
这篇关于统计学习方法 ＜期末笔记之题目目录（end）＞的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！
