统计学要素 机器学中的数据挖掘、推断与预测(第2版) 人工智能 (美)特雷弗·哈斯蒂,(美)罗伯特·提布施拉尼,(美)杰罗姆·弗雷曼
none
￥ 105.85 6.7折 ￥ 159 全新
库存8件
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
出版社清华大学出版社
ISBN9787302557395
出版时间2021-01
版次1
装帧平装
开本16
页数576页
字数958千字
定价159元
货号xhwx_1202206798
上书时间2024-10-27
- 在售商品 暂无
- 平均发货时间 27小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
目录：
章概述
第2章监督学综述
第3章回归的线方法
第4章分类的线方法
第5章基展开与正则化方法
第6章核滑方法
第7章模型的评估和选择
第8章模型的推断和均
第9章加模型、树和相关方法
0章boosting和加树
1章神经网络
2章支持向量机与柔判别分析
3章原型方法与近邻
4章非监督学
5章森林
6章集成学
7章无向图模型
8章高维问题：p>>n
内容简介：
统计学要素：机器学中的数据挖掘、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的基础。全书共18章，主题包括监督学、回归的线方法、分类的线方法、基展开和正则化、核光滑方法、模型评估和选择、模型推断和均、加模型、树和相关方法、booting和加树、神经网络、支持向量机和柔判断、原型方法和近邻、非监督学、森林、集成学、无向图模型和高维问题等。统计学要素：机器学中的数据挖掘、推断与预测(第2版)主题全面，是一本经典的统计学教材，适合本科高年级和使用和参。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价