作者:
Richard O.Duda
/
Peter E.Hart
/
David G.Stork
出版社: 机械工业出版社
出版年: 2007-06-01
ISBN: 9787111136873
页数: 654
装帧: 平装
定价: 69.0
原作名: Pattern Classification
丛书: 经典原版书库
出版社: 机械工业出版社
出版年: 2007-06-01
ISBN: 9787111136873
页数: 654
装帧: 平装
定价: 69.0
原作名: Pattern Classification
丛书: 经典原版书库
内容简介 · · · · · ·
《模式分类》(英文版)(第2版)简明易读，新增的图表使得许多统计和数学题材非常生动。最终以完美和谐的形式，引导读者深入新的主题。
原文摘录 · · · · · · ( 全部 )
-
最大似然估计（和其他类似方法）把待估计的参数看作是确定性的量，只是其取值未知。最佳估计就是使得产生已观测到的样本（即训练样本）的概率为最大的那个值。 与此不同的是，贝叶斯估计则把待估计的参数看成是符合某种先验分布的随机变量。对样本进行观测的过程，就是把先验概率密度转化为后验概率密度，这样就利用样本的信息修正了对参数的初始估计值。 (查看原文) —— 引自第67页 -
参数估计问题是统计学中的经典问题，并且已经有了一些具体的解决方法。这里我们将主要讨论两种最常用和很有效的方法，也就是：最大似然估计和贝叶斯估计。 (查看原文) —— 引自章节：最大似然估计和贝叶斯参数估计
> 全部原文摘录
丛书信息
· · · · · ·
经典原版书库(共392册)，
这套丛书还有
《Java语言程序设计(进阶篇英文版第10版)/经典原版书库》《多处理器编程的艺术》《离散数学及其应用》《离散数学及其在计算机科学中的应用(英文版)/经典原版书库》《Software for Use(英文版)》
等
。
喜欢读"模式分类(英文版·第2版)"的人也喜欢的电子书 · · · · · ·
支持 Web、iPhone、iPad、Android 阅读器
-
-
1.99元
-
-
9.90元
喜欢读"模式分类(英文版·第2版)"的人也喜欢 · · · · · ·
模式分类(英文版·第2版)的书评 · · · · · · ( 全部 10 条 )
yidaishadia
这本书的答案有没有啊？
看书上说有教师版的习题解析，没有找到，哪位帮忙找一下，电子版的也行，答案尽量全的。 你的评论太短了 你的评论太短了 你的评论太短了 你的评论太短了 你的评论太短了 你的评论太短了
(展开)
kill_buddha
机械工业出版社2003版（其他版本）
我就来试试
Wiley-Interscience2000版（其他版本）
Pattern Classification
这本书是Deng Cai机器学习课程的主要参考教材，我在19年秋学期上课过程中把主要内容阅读了一遍，还做了部分课后习题，感觉习题的质量也挺高的。跳过了第四章Nonparametric Technique，第六章Multilayer Neural Networks，第七章Stochastic Methods，第八章NonMetric Methods，...
(展开)
> 更多书评 10篇
这本书的其他版本 · · · · · · ( 全部10 )
在哪儿借这本书 · · · · · ·
以下书单推荐 · · · · · · ( 全部 )
- 数据挖掘&信息检索相关 (miner)
- 数学计算机专业书籍 (万籁君)
- Computer_Science (雷Sir)
- 数据挖掘&机器学习&语义网 Data Mining&Machine Learning&Semantic (Felicia)
- 模式分类和机器学习 (大信)
谁读这本书? · · · · · ·
二手市场
· · · · · ·
- 在豆瓣转让 有251人想读，手里有一本闲着?
订阅关于模式分类(英文版·第2版)的评论:
feed: rss 2.0
0 有用 Wei Xue 2009-12-07 18:13:14
适合当手册用
0 有用 rain 2020-06-13 18:38:15
挺好，理论讲挺明白
2 有用 疯凰 2009-05-21 09:38:57
关于模式分类一本不错的入门书籍： 1. 有好多例子，让理论更容易理解； 2. 有好多插图，给人更直观的理解； 关于内容方面: 1. 1-3 节，豆瓣上已经有人评述； 2. 第四节没看^^ 3. 第五节讲的是Linear Discriminant Function。 个人感觉Support Vector Machines 讲得太少了。 4. 第六节讲的是神经网络，讲 Backpropagation ... 关于模式分类一本不错的入门书籍： 1. 有好多例子，让理论更容易理解； 2. 有好多插图，给人更直观的理解； 关于内容方面: 1. 1-3 节，豆瓣上已经有人评述； 2. 第四节没看^^ 3. 第五节讲的是Linear Discriminant Function。 个人感觉Support Vector Machines 讲得太少了。 4. 第六节讲的是神经网络，讲 Backpropagation Algorithm 很详细。 5. 第七节讲了随机方法。我主要看了Boltzmann Learning； Ev (展开)
0 有用 毛驴 2006-01-17 20:40:54
会一直读，经典嘛
0 有用 井上心叶 2010-12-04 00:58:59
号称是经典 但不是很喜欢