2018

12.2 支持向量分类器
第 417-422 页。
王冠嵩
最近更新于 2022-05-13 统计学习基础（译注）
12.3 支持向量机与核函数
第 423-438 页。支持向量机的计算方法、模型原理、和在回归问题上的应用。
王冠嵩
2022-05-17 统计学习基础（译注）
12.4 线性判别分析的扩展
第 438-440 页。与 SVM 的想法类似，可以通过基扩展和正则化的方法将 LDA 推广为更一般性的模型；同时，将类别中心点从一个高斯分布变成多个的混合，也可得到更灵活的模型。
王冠嵩
2022-05-18 统计学习基础（译注）
12.5 灵活判别分析
第 440-445 页。判别分析的方法也可以用多个回归进行复现。当回归中使用了线性函数，就得到了 LDA，当使用了其他任意非线性函数，就得到了 FDA。
王冠嵩
2022-05-20 统计学习基础（译注）
12.6 惩罚判别分析
第 446-449 页。若 LDA 可通过线性回归实现，那么当自变量很多时，适当的正则项会有助于模型的表现。
王冠嵩
2022-05-23 统计学习基础（译注）
12.7 混合判别分析
第 449-454 页。如果从原型方法来理解 LDA，也就自然地可以加入更多的中心点（原型），从而使一个类别不对应一个分布。同时也仍可以继续使用 PDA 中的正则项。
王冠嵩
2022-05-24 统计学习基础（译注）
12.8 关于计算量
第 455 页。
王冠嵩
2022-05-24 统计学习基础（译注）
13 原型方法和最近邻
第 459-484 页。
王冠嵩
最近更新于 2022-06-14 统计学习基础（译注）
13.2 原型方法
第 459-463 页。基于训练样本中的信息为每个类别确定一些点作为原型，分类规则即为最近距离原型的类别。介绍了三个方法：K 均值、学习向量量化（LVQ）、和高斯混合模型。
王冠嵩
2022-05-27 统计学习基础（译注）
13.3 k 最近邻分类器
第 463-475 页。最近邻的算法简单，尤其适合处理决策边界不规则的分类问题。
王冠嵩
2022-05-26 统计学习基础（译注）