统计学习方法是如何实现分类与聚类的

01 第 05 门课程

1. 01 统计学习概论：监督学习、无监督学习与泛化 本文围绕“统计学习概论：监督学习、无监督学习与泛化”对课程 ASR 进行高密度论文式重构，并围绕 statistical learning、supervised learning、unsupervised learning、classification、clustering 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可 →
2. 02 朴素贝叶斯：贝叶斯决策、条件独立与 MAP 分类 本文围绕“朴素贝叶斯：贝叶斯决策、条件独立与 MAP 分类”对课程 ASR 进行高密度论文式重构，并围绕 Naive Bayes、Bayes theorem、conditional independence、MAP classification 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边 →
3. 03 决策树基础：熵、条件熵与信息增益 本文围绕“决策树基础：熵、条件熵与信息增益”对课程 ASR 进行高密度论文式重构，并围绕 decision tree、entropy、conditional entropy、information gain 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边界进行校正。 →
4. 04 ID3：基于信息增益的递归决策树生成 本文围绕“ID3：基于信息增益的递归决策树生成”对课程 ASR 进行高密度论文式重构，并围绕 ID3、information gain、recursive partition、leaf node 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边界进行校正。 →
5. 05 C4.5：增益率、连续属性与 ID3 的改进 本文围绕“C4.5：增益率、连续属性与 ID3 的改进”对课程 ASR 进行高密度论文式重构，并围绕 C4.5、gain ratio、split information、continuous feature 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边界进行校正。 →
6. 06 决策树的过拟合与剪枝：验证误差和结构正则化 本文围绕“决策树的过拟合与剪枝：验证误差和结构正则化”对课程 ASR 进行高密度论文式重构，并围绕 decision tree pruning、overfitting、validation set、pre-pruning、post-pruning 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念 →
7. 07 随机森林：Bootstrap、随机特征与集成投票 本文围绕“随机森林：Bootstrap、随机特征与集成投票”对课程 ASR 进行高密度论文式重构，并围绕 Random Forest、bootstrap sampling、feature subsampling、bagging、ensemble voting 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR →
8. 08 K 近邻：距离度量、K 的选择与非参数分类 本文围绕“K 近邻：距离度量、K 的选择与非参数分类”对课程 ASR 进行高密度论文式重构，并围绕 k-NN、Euclidean distance、Manhattan distance、model selection、nonparametric learning 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 AS →
9. 09 支持向量机概论：最大间隔、支持向量与超平面 本文围绕“支持向量机概论：最大间隔、支持向量与超平面”对课程 ASR 进行高密度论文式重构，并围绕 SVM、maximum margin、support vector、hyperplane 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边界进行校正。 →
10. 10 线性可分 SVM：硬间隔原始问题与规范化约束 本文围绕“线性可分 SVM：硬间隔原始问题与规范化约束”对课程 ASR 进行高密度论文式重构，并围绕 hard-margin SVM、primal optimization、geometric margin、convex optimization 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念 →
11. 11 SVM 对偶问题：Lagrange 乘子、KKT 与支持向量解 本文围绕“SVM 对偶问题：Lagrange 乘子、KKT 与支持向量解”对课程 ASR 进行高密度论文式重构，并围绕 SVM dual、Lagrangian、KKT conditions、support vector 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边界进行校正。 →
12. 12 软间隔 SVM：松弛变量、惩罚参数与不可分数据 本文围绕“软间隔 SVM：松弛变量、惩罚参数与不可分数据”对课程 ASR 进行高密度论文式重构，并围绕 soft-margin SVM、slack variable、hinge loss、regularization parameter C 检索英文原论文、官方研究页面和高校课程资料。文章不保留课堂逐句口述，而以问题背景、技术难点、形式化定义、核心机制、理论或实验依据、局限与后续发展重新组织知识，并对可确认的 ASR 误识别和概念边界进 →