内容简介 · · · · · ·
详细介绍支持向量机、Boosting、最大熵、条件随机场等十个统计学习方法。
统计学习方法的创作者
· · · · · ·
-
李航 作者
作者简介 · · · · · ·
李航 日本京都大学电气工程系毕业，日本东京大学计算机科学博士。曾任职于日本NEC公司中央研究所，微软亚洲研究院高级研究员及主任研究员，现任华为诺亚方舟实验室首席科学家。北京大学、南开大学、西安交通大学客座教授。研究方向包括信息检索、自然语言处理、统计机器学习及数据挖掘。
目录 · · · · · ·
原文摘录 · · · · · · ( 全部 )
-
定理 2.1 (Novikoff) 设训练数据集 T={(𝑥₁,𝑦₁), (𝑥₂,𝑦₂), ..., (𝑥_N, 𝑦_N)} 是线性可分的, 其中 𝑥ᵢ∈𝒳=ℝⁿ, 𝑦ᵢ∈𝒴={-1,+1}, i=1,2,...,N, 则 (1) 存在满足条件 ||{\hat w}_{opt}||=1 的超平面 {\hat w}_{opt} \dot \hat x = w_opt \dot x + b_{opt} = 0 将数据集完全分开; 且存在 γ>0, 对所有 i=1,2,...,N ... (查看原文) —— 引自章节：第一篇 监督学习 -
算法 2.2 (感知机学习算法的对偶形式) ... (3) 如果 y_i(\sum_{j=1}^N \alpha_j y_j x_j \dot x_i+b) \le 0, \alpha_i \leftarrow \alpha_i+\eta b \leftarrow b + \eta y_i (查看原文) —— 引自章节：第一篇 监督学习
> 全部原文摘录
喜欢读"统计学习方法"的人也喜欢的电子书 · · · · · ·
支持 Web、iPhone、iPad、Android 阅读器
喜欢读"统计学习方法"的人也喜欢 · · · · · ·
-
- Deep Learning 9.3
-
- 统计自然语言处理（第2版） 8.7
-
- 利用Python进行数据分析 8.6
-
- Machine Learning 9.1
-
- 推荐系统 7.5
-
- 动手学深度学习 9.3
-
- 集体智慧编程 9.0
统计学习方法的书评 · · · · · · ( 全部 27 条 )
chentingpc
干货为主，初学者不能作为唯一书籍
这本书干货为主，什么意思呢，就是多余的例子啊解释啊不多，很精简的就从问题定义开始，到算法，到分析。所以别看书这么薄，其实内容不少。当然，似乎作者还有意象再写一本，这本书现在还不全，有一些模型在本书总没有提到。 对于初学者而言，其实机器学习并不容易，如果只读这...
(展开)
AlexHe
理论讲得不是很简单易懂
坦诚的讲，如果不是冲着作者的学术地位我不会去买这本书的。当然买回来=了也不后悔，书总体来说还是很好的，特别是针对目前国内几乎没有一本原创机器学习方法教材。但是，在我看来，由于作者平时写文献做报告也大多是英语，另外由于其长期在外企研究单位工作，所以我想作者也还...
(展开)
JueFan_C
注重理论，也有实际例子
最初拿到手就觉得整本书都是公式，扫了一遍，发现看起来很吃力！ 现在重新再看多一遍，并将里面的算法自己实现了一遍，已经看完第五章了，照着书里的算法逻辑与步骤自己动手后觉得还是可以搞懂一些的 附：本人的学习笔记博客 http://www.cnblogs.com/juefan/p/3843560.html
(展开)
changyuanchn
读完《统计学习方法》的评价
花了2个星期看完了这本书，觉得作者前半部分写的还是挺用心的。当然前面的内容也比较简单。但是最后面两章写的有些莫名其妙，很多东西都根本没有交代清楚，上来就列个公式，都不告诉你是怎么来的。也可能是我水平有限，不过确实感觉作者在后两章节上写的有点应付得感觉
(展开)
abc
清华大学出版社2019版
读完李航老师的《统计学习方法》第二版以后对机器学习理论的认识相当于什么水平？
如果读透读懂了李航老师的《统计学习方法》第二版以后，对机器学习理论的认识相当于什么水平？ 1、之所以强调理论认识，是因为你不看相关的代码书籍，你还是不会调包，你还是没法将“掌握的理论”+“想法”(既用理论解决具体问题的方法、路径) 通过代码来实现。但我认为这部分...
(展开)
> 更多书评 27篇
论坛 · · · · · ·
| 互动出版网独家提供前三章样章试读！ | 来自china-pub数学 | 3 回应 | 2015-11-03 15:14:21 |
| 我觉得应该搞一个PDF给大家当小册子看，或者开一个... | 来自迪云 | 8 回应 | 2013-05-09 15:50:39 |
这本书的其他版本 · · · · · · ( 全部3 )
在哪儿借这本书 · · · · · ·
以下书单推荐 · · · · · · ( 全部 )
- 【书】所谓知识的另一种 (自娱者小五)
- Machine Learning Books (Sean)
- 闲着没事读读书（四） (鹿小羽)
- 数据挖掘、统计、机器学习 (大米粒)
- ML/CS/Ling补课中 (算文解字)
谁读这本书? · · · · · ·
二手市场
· · · · · ·
订阅关于统计学习方法的评论:
feed: rss 2.0
10 有用 谜团 2014-04-03 22:10:19
这本书对于算法的描述还算简洁。但是这本书仅仅是把一个算法本身描述清楚了，算法的来龙去脉，为什么要这么算都没有交代。理论基础明显不足。要是做机器学习的和统计学习的都只是知道怎么算而不知道为什么这么算，和算命的没有多大区别。
3 有用 阅微草堂 2017-05-25 10:56:47
《机器学习》转化为假设空间搜索问题。本书将统计学习理解为凸优化，数值计算。但是，背景动机来源少。机器学习有三个组成部分：第一，数据；第二，模型或者估计函数；第三，需要降到最低的成本或损失。机器学习的整个raison detre过程实际上是其运用类似的统计问题来优化损失函数的过程。
1 有用 蓬山远 2017-05-16 16:01:09
提纲挈领，的确不错
2 有用 Azeril 2014-08-18 15:40:20
略过。
15 有用 chat_shi 2015-12-21 21:39:19
五星。我只说一句话：当你真正用到这本书的时候，你才真正明白这本书有多好。作者是高人，高高山顶立，深深海底行。
0 有用 狐狸薯片 2024-05-05 22:36:02 浙江
很好的工具书。想要做有监督学习，大学的时候学过各种方法但是几乎忘了这些方法的原理和假设，因此不确定这些方法是否适用于手头的数据，今天大读特读把有监督学习篇都看完了！！！以前的记忆也慢慢回来，手头数据自变量x很多时候高度相关，因此用不了朴素贝叶斯和标注问题的两个方法。目前看下来觉得比较适用的是决策树，信息增益对我搭建模型来说是更为重要的。后续打算再看看前人的论文然后再着手实践。
0 有用 浅绿鲀 2024-03-05 01:43:49 湖北
简洁
0 有用 麦田Xu 2024-03-02 23:42:55 湖北
说真的很多地方看不懂啊 惭愧
0 有用 A_Field 2024-01-27 13:52:38 山西
相当不错的算法入门书籍
0 有用 长颈鹿 2023-11-20 23:02:26 重庆
和《机器学习》一起看，互为补充