![]() ![]() |
統(tǒng)計學習基礎:機器學習中的數(shù)據(jù)挖掘、推斷與預測 第2版
本書是Springer統(tǒng)計系列叢書之一,旨在讓讀者深入了解數(shù)據(jù)挖掘和預測。
隨著計算機和信息技術迅猛發(fā)展,醫(yī)學、生物學、金融、以及市場等各個領域的大量數(shù)據(jù)的產(chǎn)生,處理這些數(shù)據(jù)以及挖掘它們之間的關系對于一個統(tǒng)計工作者顯得尤為重要。本書運用共同的理論框架將這些領域的重要觀點做了很好的闡釋,重點強調方法和概念基礎而非理論性質,運用統(tǒng)計的方法更是突出概念而非數(shù)學。另外,書中大量的彩色圖例可以幫助讀者更好地理解概念和理論。
目次:導論; 監(jiān)督學習概述; 線性回歸模型; 線性分類方法; 基展開與正則性; 核方法; 模型評估與選擇; 模型參考與平均; 可加性模型,樹與相關方法; 神經(jīng)網(wǎng)絡; 支持向量機器與彈性準則; 原型法和最近鄰居; 無監(jiān)督學習.
讀者對象:適用于數(shù)學及統(tǒng)計專業(yè)的研究生、統(tǒng)計工作者及相關領域的研究人員。
你還可能感興趣
我要評論
|