书目详细信息
： 统计机器学习:原理与实践
书目信息 机读格式(MARC)
| ISBN/价格： | 978-7-111-77225-5:CNY139.00 |
|---|---|
| 作品语种： | chi eng |
| 出版国别： | CN 110000 |
| 题名责任者项： | 统计机器学习/.(美) 理查德·M. 戈尔登著/.Richard M. Golden/.刘凯 ... [等] 译 |
| 出版发行项： | 北京:,机械工业出版社:,2025 |
| 载体形态项： | XIV, 362页:;+图:;+24cm |
| 丛编项： | 智能系统与技术丛书 |
| 一般附注： | CMP BOOKS |
| 提要文摘： | 本书主要介绍统计机器学习框架，该框架以基于机器学习算法获得真实数据生成过程 (DGP) 概率分布的最佳近似为前提。统计机器学习框架由一组核心定理支撑，能够用来分析许多常见机器学习算法对DGP的渐近性。书中通过相关机器学习案例帮助学生理解框架中的核心定理。具体来说，本书分为四部分：第一部分通过实例介绍了机器学习算法概念和描述算法的数学工具；第二部分讨论了确定性学习机的渐近行为；第三部分讨论了随机推理机和随机学习机的渐近行为；第四部分关注的是机器学习算法的泛化性能表征问题，包括机器学习环境概率模型仅大体正确的情况。 |
| 题名主题： | 机器学习 |
| 中图分类： | TP181 |
| 个人名称等同： | 戈尔登 著 |
| 个人名称次要： | 刘凯 译 |
| 个人名称次要： | 汪兴海 译 |
| 个人名称次要： | 潘耀宗 译 |
| 记录来源： | CN 百万庄 20260922 |
| 记录来源： | CN GGNY 20260922 |