|
题名:
|
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 |
|
ISBN:
|
978-7-302-55739-5 价格： CNY159.00 |
|
语种:
|
chi |
|
载体形态:
|
xxii, 550页 彩图 26cm |
|
出版发行:
|
出版地： 北京 出版社： 清华大学出版社 出版日期： 2021 |
|
内容提要:
|
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。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。 |
|
主题词:
|
机器学习 |
|
中图分类法:
|
TP181 版次： 5 |
|
中图分类法:
|
TP181 版次： 4 |
|
其它题名:
|
机器学习中的数据挖掘、推断与预测 |
|
主要责任者:
|
黑斯蒂 著 |
|
主要责任者:
|
提布施拉尼 著 |
|
主要责任者:
|
弗雷德曼 著 |
|
次要责任者:
|
张军平 译 |
|
责任者附注:
|
责任者Hastie规范汉译姓: 黑斯蒂 ; 责任者Friedman规范汉译姓: 弗里德曼 |