具体描述
《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 surfaces. Tibshirani proposed the lasso and is co-author of the very successful An Introduction to the Bootstrap. Friedman is the co-inventor of many data-mining tools including CART, MARS, projection pursuit and gradient boosting.
目录信息
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
· · · · · · (收起)
读后感
[https://esl.hohoweiya.xyz/index.html] ==========================================================================================================================================================
评分用户评价
上学时读的书，存
评分上学时读的书，存
评分: C8/6344
评分作者是斯坦福大学三个统计学教授，他们经常参加各种神经网络、数据挖掘、机器学习会议……翻译不好
评分无奈英文看的费劲...只好看中文版的，看的欲罢不能，最近就看这本 --------后面看的太吃力，弃掉了..哎 我真觉得是翻译问题
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