内容简介 · · · · · ·
全书共包含18个章节，从概率密度、贝叶斯决策理论引入样本学习的基本概念，进而介绍了近邻域学习、核学习及神经网络学习，在此基础上探讨了PCA学习、VC维概念、函数估计问题等，后重点介绍了非常实用的支持向量机SVM及Boosting方法。各章均包含小结、附录、习题及参考资料，非常适合于大专院校计算机及电气工程类硕博士研究生及高年级学生作为教学参考书。
目录 · · · · · ·
丛书信息
· · · · · ·
大数据丛书(共9册)，
这套丛书还有
《差分进化算法》《文本挖掘》《TensorFlow强化学习快速入门指南》《人工智能中的深度结构学习》《采用R和JavaScript的数据可视化》
等
。
喜欢读"统计学习理论基础"的人也喜欢 · · · · · ·
统计学习理论基础的书评 · · · · · · ( 全部 0 条 )
论坛 · · · · · ·
在这本书的论坛里发言以下书单推荐 · · · · · · ( 全部 )
- 机器学习与人工智能 (在坡华子)
- 计算机科学 (磨子山人)
- 机器学习/Machine Learning (李鼎)
谁读这本书? · · · · · ·
二手市场
· · · · · ·
- 在豆瓣转让 有80人想读，手里有一本闲着?
订阅关于统计学习理论基础的评论:
feed: rss 2.0
1 有用 飞林沙 2017-08-08 04:02:28
很基础，但是很实用。很适合查缺补漏。
3 有用 olostin 2017-11-01 19:04:29
翻译得超级差，各种不通顺，专业名词混乱，公式排版乱糟糟。程国建等译者你们有脸吗？此书最多值五毛。
0 有用 晚风 2022-06-26 15:54:21
翻译太多错误。