您好,欢迎来到聚文网。 登录 免费注册
统计学习要素 机器学习中的数据挖掘、推断与预测(第2版)

统计学习要素 机器学习中的数据挖掘、推断与预测(第2版)

  • 字数: 958000
  • 装帧: 平装
  • 出版社: 清华大学出版社
  • 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
  • 出版日期: 2021-01-01
  • 商品条码: 9787302557395
  • 版次: 1
  • 开本: 16开
  • 页数: 576
  • 出版年份: 2021
定价:¥159 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
《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。
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

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网