具體描述
內容介紹
統計學習是計算機及其應用領域的一門重要的學科。本書全麵係統地介紹瞭統計學習的主要方法，te彆是監督學習方法，包括感知機、k近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦迴歸與大熵模型、支持嚮量機、提升方法、em算法、隱馬爾可夫模型和條件隨機場等。除第壹章概論和後一章總結外，每章介紹一種方法。敘述從具體問題或實例入手，由淺入深，闡明思路，給齣必要的數學推導，便於讀者掌握統計學習方法的實質，學會運用。為滿足讀者進一步學習的需要，書中還介紹瞭一些相關研究，給齣瞭少量習題，列齣瞭主要參考文獻。
《統計學習方法》是統計學習及相關課程的教學參考書，適用於高等院校文本數據挖掘、信息檢索及自然語言處理等專業的大學生、研究生，也可供從事計算機應用相關專業的研發人員參考。
目錄
第壹章 統計學習方法概論
1.1 統計學習
1.2 監督學習
1.2.1 基本概念
1.2.2 問題的形式化
1.3 統計學習三要素
1.3.1 模型
1.3.2 策略
1.3.3 算法
1.4 模型評估與模型選擇
1.4.1 訓練誤差與測試誤差
1.4.2 過擬閤與模型選擇
1.5 正則化與交叉驗證
1.5.1 正則化
1.5.2 交叉驗證
1.6 泛化能力
1.6.1 泛化誤差
1.6.2 泛化誤差上界
1.7 生成模型與判彆模型
1.8 分類問題
1.9 標注問題
1.10 迴歸問題
本章概要
繼續閱讀
習題
參考文獻
第2章 感知機
2.1 感知機模型
2.2 感知機學習策略
2.2.1 數據集的綫性可分性
2.2.2 感知機學習策略
2.3 感知機學習算法
2.3.1 感知機學習算法的原始形式
2.3.2 算法的收斂性
2.3.3 感知機學習算法的對偶形式
本章概要
繼續閱讀
習題
參考文獻
第3章 眾近鄰法
3.1 k近鄰算法
3.2 k近鄰模型
3.2.1 模型
3.2.2 距離度量
3.2.3 k值的選擇
3.2.4 分類決策規則
3.3 k近鄰法的實現：kd樹
3.3.1 構造af樹
3.3.2 搜索af樹
本章概要
繼續閱讀
習題
參考文獻
第4章 樸素貝葉斯法
4.1 樸素貝葉斯法的學習與分類
4.1.1 基本方法
4.1.2 後驗概率大化的含義
4.2 樸素貝葉斯法的參數估計
4.2.1 極大似然估計
4.2.2 學習與分類算法
4.2.3 貝葉斯估計
本章概要
繼續閱讀
習題
參考文獻
第5章 決策樹
5.1 決策樹模型與學習
5.1.1 決策樹模型
5.1.2 決策樹與isthen規則
5.1.3 決策樹與條件概率分布
用戶評價
評分
評分
評分
評分
評分
評分
評分
評分
相關圖書
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 book.cndgn.com All Rights Reserved. 新城书站 版權所有