|
题名:
|
统计机器学习 / (美) 理查德·M. 戈尔登著 , 刘凯 ... [等] 译 |
|
ISBN:
|
978-7-111-77225-5 价格： CNY139.00 |
|
语种:
|
chi |
|
载体形态:
|
XIV, 362页 图 24cm |
|
出版发行:
|
出版地： 北京 出版社： 机械工业出版社 出版日期： 2025 |
|
内容提要:
|
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。 |
|
主题词:
|
机器学习 |
|
中图分类法:
|
TP181 版次： 5 |
|
主要责任者:
|
戈尔登 著 |
|
次要责任者:
|
刘凯 译 |
|
次要责任者:
|
汪兴海 译 |
|
次要责任者:
|
潘耀宗 译 |
|
附注:
|
CMP BOOKS |
|
责任者附注:
|
理查德·M. 戈尔登，得克萨斯大学达拉斯分校认知科学教授，并兼任该校电子工程系教授。在过去三十年间，戈尔登教授在统计学与机器学习领域发表了大量学术论文，并在国际学术会议上就广泛议题发表演讲。 |