李航老师的《统计学习方法》是了解机器学习最好的教材之一，该书从 2005 年开始写作，一直到 2012 年完成，今年 5 月份又上线了第二版。最新版本包含众多主要的监督和无监督学习算法与模型，可以说是机器学习的入门宝典。许多机器学习培训班、互联网企业的面试、笔试题目都参考这本书。为了让大家更加系统、高效地学习这本书，作者李航博士推荐了清华大学深圳研究院袁春教授制作的相关课件，学习者可以免费下载。
李航：毕业于日本京都大学电气电子工程系，日本东京大学获得计算机科学博士学位。1990年至2001年就职于日本NEC 公司中央研究所，任研究员，2001年至2012年就职于微软亚洲研究院，任高级研究员与主任研究员。2012年至2017年就职于华为技术有限公司诺亚方舟实验室，任首席科学家、主任。现任字节跳动科技有限公司人工智能实验室总监，北京大学、南京大学客座教授，IEEE 会士，ACM 杰出科学家，CCF 高级会员。研究方向包括信息检索，自然语言处理，统计机器学习，及数据挖掘。曾出版过三部学术专著，并在顶级国际学术会议和顶级国际学术期刊上发表过120多篇学术论文，拥有40项授权美国专利。
袁春：清华大学博士生导师，副研究员，清华大学－香港中文大学媒体科学、技术与系统联合研究中心常委副主任，清华大学深圳研究生院计算机应用技术实验室主任，中国计算机协会高级会员，多媒体专委会委员。长期从事机器学习，计算机视觉，多媒体技术等方面的研究。承担清华大学深圳研究生院的大数据方向的研究生重点课程：“大数据机器学习”，“大数据分析”，以及“计算机视觉”的授课。
image
《统计学习方法》（第 2 版）全面系统地介绍了统计学习的主要方法，分为监督学习和无监督学习两篇。第一篇介绍了感知机、朴素贝叶斯法、决策树、支持向量机、提升方法、EM 算法、隐马尔可夫模型和条件随机场等算法，都是非常经典的监督学习方法。第二篇主要讨论了聚类方法、奇异值分解、主成分分析、潜在语义分析、马尔可夫链蒙特卡罗法和潜在狄利克雷分配等算法，都是非常经典的无监督学习方法。
除有关统计学习、监督学习和无监督学习的概论和总结的四章外，每章介绍一种方法。叙述力求从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题。
代码实现：https://github.com/fengdu78/lihang-code
作为最好的机器学习教材之一，《统计学习方法》成为国内很多高校机器学习相关专业的理想教材，清华大学便是其中之一。袁春教授在清华大学主要讲授「计算机视觉」、「大数据机器学习」等课程，《统计学习方法》被选为「大数据机器学习」课程的主要教材，课件也围绕本书展开。
课件的主要内容:
image
详细的课件资料和李航《统计学习方法》第二版pdf获取方式：
1. 关注我们的公众号深度学习技术前沿
- 后台回复：李航统计学习方法即可以获取资料哈~
image
网友评论