統(tǒng)計學習方法

第1章 統(tǒng)計學習方法概論
　1.1 統(tǒng)計學習
　1.2 監(jiān)督學習
　1.3 統(tǒng)計學習三要素
　1.4 模型評估與模型選擇
　1.5 i~則化與交叉驗證
　1.6 泛化能力
　1.7 生成模型與判別模型
　1.8 分類問題
　1.9 標注問題
　1.10 回歸問題
　本章概要
　繼續(xù)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
　2.3 感知機學習算法
　本章概要
　繼續(xù)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
　3.3 k近鄰法的實現(xiàn)：kd樹
　本章概要
　繼續(xù)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
　4.2 樸素貝葉斯法的參數(shù)估計
　本章概要
　繼續(xù)閱讀
　習題
　參考文獻
第5章 決策樹
第6章 邏輯斯諦回歸與最大熵模型
第7章 支持向量機
第8章 提升方法
第9章 em算法及其推廣
第10章 隱馬爾可夫模型
第11章 條件隨機場
第12章 統(tǒng)計學習方法總結
附錄a 梯度下降法
附錄b 牛頓法和擬牛頓法
附錄c 拉格朗日對偶性
索引