统计学习要素(机器学习中的数据挖掘推断与预测第2版)9787302557395
正版图书，可开发票，请放心购买。
￥ 103.37 6.5折 ￥ 159 全新
库存3件
广东广州
认证卖家担保交易快速发货售后保障
作者(美)特雷弗·哈斯蒂,(美)罗伯特·提布施拉尼,(美)杰罗姆·弗雷曼 著,张军平 译
出版社清华大学出版社
ISBN9787302557395
出版时间2021-01
装帧平装
开本16开
定价159元
货号31062197
上书时间2024-11-26
- 店主推荐
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
导语摘要
《统计学习要素：机器学习中的数据挖掘、推断与预测(第2版)》包含人工智能中用到的许多代表性主题，比如图模型、随机森林、集成方法、Lasso最小角度回归和路径算法、非负矩阵分解和频谱聚类。此外，还用一章篇幅来介绍“宽”数据（p大于n）的方法，包括多次测试和误检率。
对统计领域、人工智能领域及相关科学或行业领域内的读者而言，《统计学习要素：机器学习中的数据挖掘、推断与预测(第2版)》是一个难得的宝库，涉及面很广，从监督学习（预测）到无监督学习，具体主题包括神经网络、支持向量机、分类树和Boosting（率先对该主题进行综合论述）。与此同时，书中还包含丰富的示例和大量彩色的图表。
作者简介
目录
第1章概述
第2章监督学习综述
第3章回归的线性方法
第4章分类的线性方法
第5章基展开与正则化方法
第6章核平滑方法
第7章模型的评估和选择
第8章模型的推断和平均
第9章加性模型、树和相关方法
第10章Boosting和加性树
第11章神经网络
第12章支持向量机与柔性判别分析
第13章原型方法与最近邻
第14章非监督学习
第15章随机森林
第16章集成学习
第17章无向图模型
第18章高维问题：p>>N
内容摘要
《统计学习要素：机器学习中的数据挖掘、推断与预测(第2版)》在一个通用的概念框架中描述通用于数据挖掘、机器学习和生物信息学等领域的重要思想和概念。这些统计学范畴下的概念是人工智能与机器学习的基础。全书共18章，主题包括监督学习、回归的线性方法、分类的线性方法、基展开和正则化、核光滑方法、模型评估和选择、模型推断和平均、加性模型、树和相关方法、Boosting和加性树、神经网络、支持向量机和柔性判断、原型方法和最近邻、非监督学习、随机森林、集成学习、无向图模型和高维问题等。
《统计学习要素：机器学习中的数据挖掘、推断与预测(第2版)》主题全面，是一本经典的统计学习教材，适合本科高年级学生和研究生使用和参考。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价