MARC状态:审校 文献类型:中文图书 浏览次数:14
-
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
- 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
全部MARC细节信息>>