李航的《统计学习方法》（GitHub 地址）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，很多都参考这本书。该书从 2005 年开始写作一直到 2012 年完成，包含了众多主要的监督学习算法与模型。今年，《统计学习方法》第二版正式发布，通过 6 年时间的努力，在第一版的基础上又增加了无监督学习的主要算法与模型。
《统计学习方法》第二版的最新课件，是由清华大学深圳研究院的袁春教授制作的。
所有的课件都是 PPT 格式，总共包含 22 章。正好是《统计学习方法》第 2 版的完整内容。
其中，第 1 章至第 12 章主要是《统计学习方法》第一版的内容。主要介绍统计学习及监督学习概论、感知机、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 算法及其推广、隐马尔可夫模型、条件随机场、监督学习方法总结。
第 2 版增加的新内容包括：
- 第 13 章 – 无监督学习概论
- 第 14 章 – 聚类方法
- 第 15 章 – 奇异值分解
- 第 16 章 – 主成分分析
- 第 17 章 – 潜在语义分析
- 第 18 章 – 概率潜在语义分析
- 第 19 章 – 马尔可夫链蒙特卡罗法
- 第 20 章 – 潜在狄利克雷分配
- 第 21 章 – PageRank 算法
- 第 22 章 – 无监督学习方法总结
最后，Github 上有同学将第一版相关的机器学习算法用 Python 实现了一遍，致力于将李航博士《统计学习方法》一书中所有算法实现一遍。
项目 GitHub 地址