统计学习基础txt,chm,pdf,epub,mobi下载 作者: Robert Tibshirani / Trevor Hastie / Jerome Friedman 出版社: 电子工业出版社 副标题: 数据挖掘、推理与预测 出版年: 2004-1 页数: 381 定价: 45.00元 装帧: 平装(无盘) 丛书: 国外计算机科学教材系列 ISBN: 9787505393318 内容简介 · · · · · ·《统计学习基础:数据挖掘、推理与预测》介绍了这些领域的一些重要概念。尽管应用的是统计学方法,但强调的是概念,而不是数学。许多例子附以彩图。《统计学习基础:数据挖掘、推理与预测》内容广泛,从有指导的学习(预测)到无指导的学习,应有尽有。包括神经网络、支持向量机、分类树和提升等主题,是同类书籍中介绍得最全面的。计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战,这导致了统计学领域新工具的发展,并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础,但常常用不同的术语来表达。 作者简介 · · · · · ·Trevor Hastie, Robert Tibshirani, and Jerome Friedman are professors of statistics at Stanford University. They are prominent researchers in this area: Hastie and Tibshirani developed generalized additive models and wrote a popular book of that title. Hastie co-developed much of the statistical modeling software and environment in R/S-PLUS and invented principal curves and surf... 目录 · · · · · ·第一章 绪论第二章 有指导学习概述 第三章 回归的线性方法 第四章 分类的线性方法 第五章 基展开与正则化 第六章 核方法 · · · · · · () 第一章 绪论 第二章 有指导学习概述 第三章 回归的线性方法 第四章 分类的线性方法 第五章 基展开与正则化 第六章 核方法 第七章 模型评估与选择 第八章 模型推理和平均 第九章 加法模型、树和相关方法 第十章 提升和加法树 第十一章 神经网络 第十二章 支持向量机和柔性判别 第十三章 原型方法和最近邻 第十四章 无指导学习 · · · · · · () |
不错,挺好的
文字却通俗易懂
这是需要耐心
什么也不说了