李航老师的《统计学习方法》是机器学习领域的经典入门教材之一。
本书全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、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。除第1章概论和最后一章总结外，每章介绍一种方法。叙述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，列出了主要参考文献。
申明： 习题解答主要参考了文献1中的内容。
统计学习方法习题解答，主要完成了该书（第一版）的全部习题，并提供代码和运行之后的截图，里面的内容是以统计学习方法的内容为前置知识，该习题解答的最佳使用方法是以李航老师的《统计学习方法》为主线，并尝试完成课后习题，如果遇到不会的，再来查阅习题解答。
如果觉得解答不详细，可以点击这里提交你希望补充推导或者习题编号，我们看到后会尽快进行补充。
在线阅读地址：https://datawhalechina.github.io/statistical-learning-method-solutions-manual
- 第1章 统计学习方法概论
- 第2章 感知机
- 第3章 k近邻法
- 第4章 朴素贝叶斯法
- 第5章 决策树
- 第6章 Ligistic回归与最大熵模型
- 第7章 支持向量机
- 第8章 提升方法
- 第9章 EM算法及其推广
- 第10章 隐马尔可夫模型
- 第11章 条件随机场
书名：统计学习方法
作者：李航
出版社：清华大学出版社
版次：2012年3月第1版
勘误表：http://blog.sina.com.cn/s/blog_7ad48fee01017dpi.html
- 安装相关的依赖包
pip install -r requirements.txt
- 安装graphviz（用于决策树展示）
可参考博客：https://blog.csdn.net/HNUCSEE_LJK/article/details/86772806
- 由于习题解答中需要有程序和执行结果，采用jupyter notebook的格式进行编写（文件路径：notebook/notes），然后将其导出成markdown格式，再覆盖到docs对应的章节下。
- 目前已完成全部习题解答，需要进行全部解答校对。
- 可按照Notebook运行环境配置，配置相关的运行环境。
- 校对过程中，在数学概念补充上，尽量使用初学者（有高数基础）能理解的数学概念，如果涉及到推导和证明，可附上参考链接。
