德州学院图书馆书目检索系统

Online Public Access Catalogue

正在获取封面，请稍候...

题名/责任者:

统计学习要素:机器学习中的数据挖掘、推断与预测/(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,2021.1

ISBN及定价:

978-7-302-55739-5/CNY159.00

载体形态项:

xxii, 550页:彩图;26cm

统一题名:

Elements of statistical learning:data mining, inference, and prediction, second edition

其它题名:

机器学习中的数据挖掘、推断与预测

个人责任者:

哈斯蒂 (Hastie, Trevor) 著

个人责任者:

提布施拉尼 (Tibshirani, Robert) 著

个人责任者:

弗雷曼 (Friedman, Jerome) 著

个人次要责任者:

张军平 译

学科主题:

机器学习

中图法分类号:

TP181

版本附注:

译自原书第2版

相关题名附注:

英文题名原文取自版权页

责任者附注:

特雷弗·哈斯蒂, 罗伯特·提布施拉尼, 杰罗姆·弗雷曼, 斯坦福大学统计学教授, 三人是该领域的杰出研究人员。张军平, 复旦大学计算机科学技术学院教授, 博导。

书目附注:

有书目 (第527-542页)

提要文摘附注:

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。

使用对象附注:

本书适合本科高年级学生和研究生使用和参考

豆瓣简介：