首先，有逻辑斯蒂分布，及其概率密度函数 -> 二项逻辑斯蒂回归模型 将u及常数γ换为w*x+b形式（当y = 0 时） 二项事件概率为p 则几率为可能发生与不可能发生的比值：p/(1-p) 逻辑斯蒂回归中，输入x对y=1的几率的对数是x的线性函数 可用似然函数估计逻辑斯蒂模型参数 概率描述了已知参数时的随机变量的输出结果；似然则用来描述已知随机变量输出结果时，未知参数的可能取值。例如，对于“一枚正反对称的硬币上抛十次”这种事件，我们可以问硬币落地时十次都是正面向上的“概率”是多少；而对于“

统计学习模型学习笔记 记录统计学习模型学习过程中的笔记，其中包括使用sklearn来测试模型，同时包括自己构建模型来实现模型的训练等等。 统计学系方法概论 感知机 k近邻法 k均值 增加k-means聚类算法。 朴素贝叶斯法 决策树 逻辑斯蒂回归与最大熵模型 其中增加了线性回归的推导。 支持向量机 提升方法 AdaBoost 增加AdaBoost方法。 EM算法及其推广 隐马尔可夫模型 条件随机场 深度学习 额外增加神经网络这一章节补充神经网络相关知识，主要是BP误差反向传播算法的推导。 有线电