具體描述
詳細介紹支持嚮量機、Boosting、最大熵、條件隨機場等十個統計學習方法。
著者簡介
李航 日本京都大學電氣工程係畢業，日本東京大學計算機科學博士。曾任職於日本NEC公司中央研究所，微軟亞洲研究院高級研究員及主任研究員，現任華為諾亞方舟實驗室首席科學傢。北京大學、南開大學、西安交通大學客座教授。研究方嚮包括信息檢索、自然語言處理、統計機器學習及數據挖掘。
圖書目錄
1.1 統計學習
1.2 監督學習
1.3 統計學習三要素
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 生成模型與判彆模型
1.8 分類問題
1.9 標注問題
1.10 迴歸問題
本章概要
繼續閱讀
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：kd樹
本章概要
繼續閱讀
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估計
本章概要
繼續閱讀
習題
參考文獻
第5章 決策樹
第6章 邏輯斯諦迴歸與最大熵模型
第7章 支持嚮量機
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
· · · · · · (收起)
讀後感
李航博士这本《统计学习方法》与周志华教授的《机器学习》可以说是中文机器学习领域的经典教材，干货满满，自己如果读透并且实现一遍算法的话会有很大收获，可以参考我写的经验一起学习 https://blog.csdn.net/devil_bye/article/details/80724841
評分薄薄的一本，纯理论，详细的公式推导，跟着推一遍提升很大！ 由于是纯理论，所以配着《机器学习实战》非常好用！这样既明白了原理，也能用python写出具体的代码，加深了学习印象。虽然在真正的工程中，很可能使用的是scikit-learn库，但是自己敲一遍代码还是很好的。
評分坦诚的讲，如果不是冲着作者的学术地位我不会去买这本书的。当然买回来=了也不后悔，书总体来说还是很好的，特别是针对目前国内几乎没有一本原创机器学习方法教材。但是，在我看来，由于作者平时写文献做报告也大多是英语，另外由于其长期在外企研究单位工作，所以我想作者也还...
評分这本书也是一本机器学习的经典教材，相比于那一长串名字，大家更习惯称呼它为蓝皮书，江湖地位与‘西瓜书’不分上下。‘蓝皮书’的大部分内容与《机器学习》重叠，但相比于‘西瓜书’，这本书的数学推导就严谨多了，每章的大部分内容就是数学推导与证明，因此对读者的数学门槛...
評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...
用戶評價
花瞭三個晚上時間，一口氣讀完瞭這本書。感嘆這本書這麼短的篇幅，卻能把不少經典模型講得十分清楚，細緻的公式推導，僞代碼並附帶瞭例子，真是不錯。從某個角度看，這本書像是一本精彩的讀書筆記。
评分最近一個月又仔細地通讀瞭一遍這本書，收迴曾經的三星評價變成四星。這本書確實內容邏輯清晰，值得每位學機器學習的人拿來補充一下基礎知識，不是太適閤入門者。扣一星是覺得李航博士也許可以寫一本更棒的書，稍微有些大材小用。
评分: TP181/4424
评分選題太窄，基本局限於監督式的分類問題。選講的方法偏基礎，且細節太多所以不太適閤初學。不過基於相同的理由，加之結構清晰各章相對獨立，很適閤復習和應付筆試麵試。
评分略過。
相關圖書
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美書屋 版权所有