123,123,123

內(nèi)容簡(jiǎn)介

　　統(tǒng)計(jì)學(xué)習(xí)方法即機(jī)器學(xué)習(xí)方法，是計(jì)算機(jī)及其應(yīng)用領(lǐng)域的一門(mén)重要學(xué)科?！督y(tǒng)計(jì)學(xué)習(xí)方法（第2版）》分為監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)兩篇，全面系統(tǒng)地介紹了統(tǒng)計(jì)學(xué)習(xí)的主要方法。包括感知機(jī)、k近鄰法、樸素貝葉斯法、決策樹(shù)、邏輯斯諦回歸與大熵模型、支持向量機(jī)、提升方法、EM算法、隱馬爾可夫模型和條件隨機(jī)場(chǎng)，以及聚類(lèi)方法、奇異值分解、主成分分析、潛在語(yǔ)義分析、概率潛在語(yǔ)義分析、馬爾可夫鏈蒙特卡羅法、潛在狄利克雷分配和PageRank算法等?！督y(tǒng)計(jì)學(xué)習(xí)方法（第2版）》是統(tǒng)計(jì)機(jī)器學(xué)習(xí)及相關(guān)課程的教學(xué)參考書(shū)，適用于高等院校文本數(shù)據(jù)挖掘、信息檢索及自然語(yǔ)言處理等專(zhuān)業(yè)的大學(xué)生、研究生，也可供計(jì)算機(jī)應(yīng)用等專(zhuān)業(yè)的研發(fā)人員參考。

作者簡(jiǎn)介

　　李航，男，畢業(yè)于日本京都大學(xué)電氣電子工程系，日本東京大學(xué)獲得計(jì)算機(jī)科學(xué)博士學(xué)位。北京大學(xué)、南京大學(xué)兼職教授。曾任日本NEC公司中央研究所研究員，微軟亞洲研究院高級(jí)研究員與主任研究員、華為技術(shù)有限公司諾亞方舟實(shí)驗(yàn)室主任?，F(xiàn)任今日頭條人工智能實(shí)驗(yàn)室主任。

圖書(shū)目錄

第1篇監(jiān)督掌習(xí)
第1章統(tǒng)計(jì)學(xué)習(xí)及監(jiān)督學(xué)習(xí)概論
1．1 統(tǒng)計(jì)學(xué)習(xí)
1．2 統(tǒng)計(jì)學(xué)習(xí)的分類(lèi)
1．2．1 基本分類(lèi)
1．2．2 按模型分類(lèi)
1．2．3 按算法分類(lèi)
1．2．4 按技巧分類(lèi)
1．3 統(tǒng)計(jì)學(xué)習(xí)方法三要素
1．3．1 模型
1．3．2 策略
1．3．3 算法
1．4 模型評(píng)估與模型選擇
1．4．1 訓(xùn)練誤差與測(cè)試誤差
1．4．2 過(guò)擬合與模型選擇
1．5 正則化與交叉驗(yàn)證
1．5．1 正則化
1．5．2 交叉驗(yàn)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 生成模型與判別模型
1．8 監(jiān)督學(xué)習(xí)應(yīng)用
1．8．1 分類(lèi)問(wèn)題
1．8．2 標(biāo)注問(wèn)題
1．8．3 回歸問(wèn)題
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第2章感知機(jī)
2．1 感知機(jī)模型
2．2 感知機(jī)學(xué)習(xí)策略
2．2．1 數(shù)據(jù)集的線性可分性
2．2．2 感知機(jī)學(xué)習(xí)策略
2．3 感知機(jī)學(xué)習(xí)算法
2．3．1 感知機(jī)學(xué)習(xí)算法的原始形式
2．3．2 算法的收斂性
2．3．3 感知機(jī)學(xué)習(xí)算法的對(duì)偶形式
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第3章 k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(lèi)決策規(guī)則
3．3 k近鄰法的實(shí)現(xiàn)：kd樹(shù)
3．3．1 構(gòu)造kd樹(shù)
3．3．2 搜索kd樹(shù)
本章概要
繼續(xù)閱讀
……
第2篇無(wú)監(jiān)督掌習(xí)
附錄
索引