幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

統計學習方法(第2版)

  • 作者：李航
  • 出版社：清華大學
  • ISBN：9787302517276
  • 出版日期：2019/05/01
  • 裝幀：平裝
  • 頁數：464
人民幣：RMB 98 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    統計學習方法即機器學習方法，是電腦及其應用領域的一門重要學科。本書分為監督學習和無監督學習兩篇，全面系統地介紹了統計學習的主要方法。包括感知機、k近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦回歸與最大熵模型、支持向量機、提升方法、EM演算法、隱馬爾可夫模型和條件隨機場，以及聚類方法、奇異值分解、主成分分析、潛在語義分析、概率潛在語義分析、馬爾可夫鏈蒙特卡羅法、潛在狄利克雷分配和PageRank演算法等。
    本書是統計機器學習及相關課程的教學參考書，適用於高等院校文本數據挖掘、信息檢索及自然語言處理等專業的大學生、研究生，也可供電腦應用等專業的研發人員參考。
作者介紹
李航
    李航 日本京都大學電氣工程系畢業，日本東京大學電腦科學博士。曾任日本NEC公司中央研究所研究員，微軟亞洲研究院高級研究員及主任研究員，華為諾亞方舟實驗室主任、首席科學家，現任位元組跳動人工智慧實驗室總監。北京大學、南京大學客座教授。研究方向為信息檢索、自然語言處理、統計機器學習及數據挖掘等。
目錄
第1篇  監督學習
第1章  統計學習及監督學習概論
  1.1  統計學習
  1.2  統計學習的分類
    1.2.1  基本分類
    1.2.2  按模型分類
    1.2.3  按演算法分類
    1.2.4  按技巧分類
  1.3  統計學習方法三要素
    1.3.1  模型
    1.3.2  策略
    1.3.3  演算法
  1.4  模型評估與模型選擇
    1.4.1  訓練誤差與測試誤差
    1.4.2  過擬合與模型選擇
  1.5  正則化與交叉驗證
    1.5.1  正則化
    1.5.2  交叉驗證
  1.6  泛化能力
    1.6.1  泛化誤差
    1.6.2  泛化誤差上界
  1.7  生成模型與判別模型
  1.8  監督學習應用
    1.8.1  分類問題
    1.8.2  標注問題
    1.8.3  回歸問題
  本章概要
  繼續閱讀
  習題
  參考文獻
第2章  感知機
  2.1  感知機模型
  2.2  感知機學習策略
    2.2.1  數據集的線性可分性
    2.2.2  感知機學習策略
  2.3  感知機學習演算法
    2.3.1  感知機學習演算法的原始形式
    2.3.2  演算法的收斂性
    2.3.3  感知機學習演算法的對偶形式
  本章概要
  繼續閱讀
  習題
  參考文獻
第3章  k近鄰法
  3.1  k近鄰演算法
  3.2  k近鄰模型
    3.2.1  模型
    3.2.2  距離度量
    3.2.3  k值的選擇
    3.2.4  分類決策規則

  3.3  k近鄰法的實現：kd樹
    3.3.1  構造kd樹
    3.3.2  搜索kd樹
  本章概要
  繼續閱讀
……
第2篇  無監督學習


  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032