统计学习要素:机器学习中的数据挖掘、推断与预测
Saved in:
Main Authors: | ; ; |
---|---|
Group Author: | |
Published: |
清华大学出版社
|
Publisher Address: | 北京 |
Publication Dates: | 2021 |
Literature type: | Book |
Language: | Chinese |
Subjects: | |
Carrier Form: | ⅩⅫ,550页: 图 ; 26cm |
ISBN: | 978-7-302-55739-5 |
Index Number: | TP181 |
CLC: | TP181 |
Call Number: | TP181/6044 |
Contents: |
有书目(第527-542页) 本书在一个通用的概念框架中描述通用于数据挖掘、机器学习和生物信息学等领域的重要思想和概念。这些统计学范畴下的概念是人工智能与机器学习的基础。全书共18章, 主题包括监督学习、回归的线性方法、分类的线性方法、基展开和正则化、核光滑方法、模型评估和选择、模型推断和平均、加性模型、树和相关方法、Boosting和加性树、神经网络、支持向量机和柔性判断、原型方法和最近邻、非监督学习、随机森林、集成学习、无向图模型和高维 |