具体描述
详细介绍支持向量机、Boosting、最大熵、条件随机场等十个统计学习方法。
作者简介
李航 日本京都大学电气工程系毕业，日本东京大学计算机科学博士。曾任职于日本NEC公司中央研究所，微软亚洲研究院高级研究员及主任研究员，现任华为诺亚方舟实验室首席科学家。北京大学、南开大学、西安交通大学客座教授。研究方向包括信息检索、自然语言处理、统计机器学习及数据挖掘。
目录信息
1.1 统计学习
1.2 监督学习
1.3 统计学习三要素
1.4 模型评估与模型选择
1.5 i~则化与交叉验证
1.6 泛化能力
1.7 生成模型与判别模型
1.8 分类问题
1.9 标注问题
1.10 回归问题
本章概要
继续阅读
习题
参考文献
第2章 感知机
2.1 感知机模型
2.2 感知机学习策略
2.3 感知机学习算法
本章概要
继续阅读
习题
参考文献
第3章 众近邻法
3.1 k近邻算法
3.2 k近邻模型
3.3 k近邻法的实现：kd树
本章概要
继续阅读
习题
参考文献
第4章 朴素贝叶斯法
4.1 朴素贝叶斯法的学习与分类
4.2 朴素贝叶斯法的参数估计
本章概要
继续阅读
习题
参考文献
第5章 决策树
第6章 逻辑斯谛回归与最大熵模型
第7章 支持向量机
第8章 提升方法
第9章 em算法及其推广
第10章 隐马尔可夫模型
第11章 条件随机场
第12章 统计学习方法总结
附录a 梯度下降法
附录b 牛顿法和拟牛顿法
附录c 拉格朗日对偶性
索引
· · · · · · (收起)
读后感
暑假准备面试的时候，开始看这本书，刚开始看的时候，被书中的内容深深吸引住了，介绍了很多经典的机器学习算法，对于想迅速入门而且不喜欢读英文书的人来说，这绝对是一本经典之作。只是里面的数学推导太简略了，必要的数学知识讲解的也不是太清晰。在我看过andrew ng的讲义之...
评分这本书干货为主，什么意思呢，就是多余的例子啊解释啊不多，很精简的就从问题定义开始，到算法，到分析。所以别看书这么薄，其实内容不少。当然，似乎作者还有意象再写一本，这本书现在还不全，有一些模型在本书总没有提到。 对于初学者而言，其实机器学习并不容易，如果只读这...
评分所谓新手不友好 是指如果你只是为了用统计学习的方法去完成一个事例 比如kaggle上的数据 该书很不友好 建议你直接去看sklearn的中文文档，在初步成为一个sklearn的api选手之后 回头看这本书 我只能说真的挺好的 看这本书让人心沉下来 更能理解算法提高见识 总之我觉得本书适合...
评分最初拿到手就觉得整本书都是公式，扫了一遍，发现看起来很吃力！ 现在重新再看多一遍，并将里面的算法自己实现了一遍，已经看完第五章了，照着书里的算法逻辑与步骤自己动手后觉得还是可以搞懂一些的 附：本人的学习笔记博客 http://www.cnblogs.com/juefan/p/3843560.html
评分第一次在豆瓣发点评，就给李航大大的这本神书吧。现在第二版已经出来了，我读的还是第一版，因为是作为我的入门书籍，所以花三周多的时间把前九章大部分内容看完了，除了一些晦涩难懂的证明没看以外，看过的地方深深地感受到数学之美，自己感叹作者内功的高深，自己的数学还是...
用户评价
结构清晰。这一点足以打5分。
评分五星。我只说一句话：当你真正用到这本书的时候，你才真正明白这本书有多好。作者是高人，高高山顶立，深深海底行。
评分其实只看了SVM一章，李航博士功力深厚，将复杂的SVM理论讲的无比透彻，来龙去脉条理清晰；不过作为教科书，重于本质理论的介绍，给出了大量证明，之前看网上很火的那个SVM入门教程，对svm的理解还是流于形式，知其然不知其所以然，这次看这本书解开了不少疑惑。从线性可分SVM（硬间隔最大化）、线性SVM（软间隔最大化），到非线性SVM（核技巧），每一节都是同一风格的安排：问题描述、形式化定义，学习的对偶算法，其中穿插证明。还有最后一节SMO没看。
评分讲得很无趣，不过很多算法总结得都很好，看起来更像是一本课堂笔记，方便查阅
评分五星。我只说一句话：当你真正用到这本书的时候，你才真正明白这本书有多好。作者是高人，高高山顶立，深深海底行。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美书屋 版权所有