书目信息 机读格式(MARC)
统计学习理论基础
| ISBN/价格： | 978-7-111-55522-3:CNY43.00 |
|---|---|
| 作品语种： | chi eng |
| 出版国别： | CN 110000 |
| 题名责任者项： | 统计学习理论基础/.(美) 桑吉夫·库尔卡尼, 吉尔伯特·哈曼著/.Sanjeev Kulkarni, Gilbert Harman/.肖忠祥 [等] 译 |
| 出版发行项： | 北京:,机械工业出版社:,2017.3 |
| 载体形态项： | 169页:;+图:;+24cm |
| 丛编项： | 大数据丛书 |
| 提要文摘： | 本书共包含18章，从概率密度贝叶斯决策理论引入样本学习的基本概念，进而介绍了最近邻域学习、核学习及神经网络学习，在此基础上探讨了PCA学习、VC维概念、函数估计问题等，最后重点介绍了非常实用的支持向量机(SVM)及Boosting算法。 |
| 并列题名： | Elementary introduction to statistical learning theory eng |
| 题名主题： | 统计学 |
| 中图分类： | C8 |
| 个人名称等同： | 库尔卡尼 桑吉夫 著 |
| 个人名称等同： | 哈曼 吉尔伯特 著 |
| 个人名称次要： | 肖忠祥 译 |
| 记录来源： | CN 北京新华书店首都发行所有限公司 20170324 |