App 下载
注册
登录
|
搜索
正在搜索中...
首页
我的书架
我的主页
我的收藏
我的书评
《统计学习方法》是计算机及其应用领域的一门重要的学科。《统计学习方法》全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、
……
[ 展开全部 ]
逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外，每章介绍一种方法。叙述从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文献。
[ 收起 ]
作者：李航
出版社：清华大学出版社
定价：38.00元
ISBN：9787302275954
给个评价
做个书摘
书摘 (21 )
评价 (1 )
查看所有书摘
按目录显示书摘
一得阁
2015-12-24 13:41:23 摘录
买了书，准备开始看，做个标记先
这条书摘已被收藏
0
次
+1
0
分享
收藏
0
条评价
点击加载更多
导购链接
×
做书摘
文字书摘
读图识字
至少还需要输入
10
字
保存原图片为书摘
上传图片
识别
最多输入
500
个字
上传图片
重新上传
写点笔记吧
至少还需要输入
10
字
章节（选填）
第1章统计学习方法概论
1.1统计学习
1.2监督学习
1.3统计学习三要素
1.4模型评估与模型选择
1.5i~则化与交叉验证
1.6泛化能力
1.7生成模型与判别模型
1.8分类问题
1.9标注问题
1.10回归问题
本章概要
继续阅读
习题
参考文献
第2章感知机
2.1感知机模型
2.2感知机学习策略
2.3感知机学习算法
第3章众近邻法
3.1k近邻算法
3.2k近邻模型
3.3k近邻法的实现：kd树
第4章朴素贝叶斯法
4.1朴素贝叶斯法的学习与分类
4.2朴素贝叶斯法的参数估计
第5章决策树
第6章逻辑斯谛回归与最大熵模型
第7章支持向量机
第8章提升方法
第9章em算法及其推广
第10章隐马尔可夫模型
第11章条件随机场
第12章统计学习方法总结
附录a梯度下降法
附录b牛顿法和拟牛顿法
附录c拉格朗日对偶性
索引
页码（选填）
这本书已经添加了这些章节，请勾选或者新建你的书摘所属的章节
add
up
down
remove
第1章统计学习方法概论
1.1统计学习
1.2监督学习
1.3统计学习三要素
1.4模型评估与模型选择
1.5i~则化与交叉验证
1.6泛化能力
1.7生成模型与判别模型
1.8分类问题
1.9标注问题
1.10回归问题
本章概要
继续阅读
习题
参考文献
第2章感知机
2.1感知机模型
2.2感知机学习策略
2.3感知机学习算法
第3章众近邻法
3.1k近邻算法
3.2k近邻模型
3.3k近邻法的实现：kd树
第4章朴素贝叶斯法
4.1朴素贝叶斯法的学习与分类
4.2朴素贝叶斯法的参数估计
第5章决策树
第6章逻辑斯谛回归与最大熵模型
第7章支持向量机
第8章提升方法
第9章em算法及其推广
第10章隐马尔可夫模型
第11章条件随机场
第12章统计学习方法总结
附录a梯度下降法
附录b牛顿法和拟牛顿法
附录c拉格朗日对偶性
索引
×
添加一个书摘本
搜索创建书摘本
搜索
正在搜索...
不对，换一下
书名
作者
出版社
备注
ISBN
*
*
×
编辑书摘
书摘
最少还需要输入
10
字
写点笔记吧
最少还需要输入
10
字
*
这条书摘是属于哪一章节的？
第1章统计学习方法概论
1.1统计学习
1.2监督学习
1.3统计学习三要素
1.4模型评估与模型选择
1.5i~则化与交叉验证
1.6泛化能力
1.7生成模型与判别模型
1.8分类问题
1.9标注问题
1.10回归问题
本章概要
继续阅读
习题
参考文献
第2章感知机
2.1感知机模型
2.2感知机学习策略
2.3感知机学习算法
第3章众近邻法
3.1k近邻算法
3.2k近邻模型
3.3k近邻法的实现：kd树
第4章朴素贝叶斯法
4.1朴素贝叶斯法的学习与分类
4.2朴素贝叶斯法的参数估计
第5章决策树
第6章逻辑斯谛回归与最大熵模型
第7章支持向量机
第8章提升方法
第9章em算法及其推广
第10章隐马尔可夫模型
第11章条件随机场
第12章统计学习方法总结
附录a梯度下降法
附录b牛顿法和拟牛顿法
附录c拉格朗日对偶性
索引
*
页码
×
删除
您确定要删除吗?
一得阁
买了书，准备开始看，做个标记先这条书摘已被收藏0次分享 收藏 0条评价+1
