ISBN/价格: | 978-7-302-55739-5:CNY159.00 |
---|---|
作品语种: | chi eng |
出版国别: | CN 110000 |
题名责任者项: | 统计学习要素/.(美)特雷弗·哈斯蒂, 罗伯特·提布施拉尼, 杰罗姆·弗雷曼著/.张军平译 |
出版发行项: | 北京:,清华大学出版社:,2021.01 |
载体形态项: | xxii, 550页:;+彩图:;+26cm |
相关题名附注: | 英文题名原文取自版权页 |
提要文摘: | 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、无向图模型和高维问题等。 |
题名主题: | 机器学习 |
中图分类: | TP181 |
个人名称等同: | 哈斯蒂 著 |
个人名称等同: | 提布施拉尼 著 |
个人名称等同: | 弗雷曼 著 |
个人名称次要: | 张军平 译 |
记录来源: | CN 湖北三新 20230927 |