具体描述
作者简介
目录信息
第一部分 学习和推广性理论
第1章 处理学习问题的两种方法
第1章附录 解不适定问题的方法
第2章 概率测度估计与学习问题
第3章 经验风险最小化原则一致性的条件
第4章 指示损失函数风险的界
第4章附录 关于ERM原则风险的下界
第5章 实损失函数风险的界
第6章 结构风险最小化原则
第6章附录 基于间接测量的函数估计
第7章 随机不适定问题
第8章 估计给定点上的函数值
第二部分 函数的支持向量估计
……
第三部分 学习理论的统计学基础
……
注释与参考文献评述
参考文献
中英文术语对照表
· · · · · · (收起)
读后感
Statistical Learning Theory这本书是一本完整阐述了统计机器学习思想的名著。在该书中作者对统计机器学习和传统机器学习的区别的本质进行了详细的论证，并且指出统计机器学习能够对训练样本给出精确的学习效果，并能够回答训练过程需要的样本训练数等一系列问题。
评分Statistical Learning Theory这本书是一本完整阐述了统计机器学习思想的名著。在该书中作者对统计机器学习和传统机器学习的区别的本质进行了详细的论证，并且指出统计机器学习能够对训练样本给出精确的学习效果，并能够回答训练过程需要的样本训练数等一系列问题。
评分Statistical Learning Theory这本书是一本完整阐述了统计机器学习思想的名著。在该书中作者对统计机器学习和传统机器学习的区别的本质进行了详细的论证，并且指出统计机器学习能够对训练样本给出精确的学习效果，并能够回答训练过程需要的样本训练数等一系列问题。
评分Statistical Learning Theory这本书是一本完整阐述了统计机器学习思想的名著。在该书中作者对统计机器学习和传统机器学习的区别的本质进行了详细的论证，并且指出统计机器学习能够对训练样本给出精确的学习效果，并能够回答训练过程需要的样本训练数等一系列问题。
评分Statistical Learning Theory这本书是一本完整阐述了统计机器学习思想的名著。在该书中作者对统计机器学习和传统机器学习的区别的本质进行了详细的论证，并且指出统计机器学习能够对训练样本给出精确的学习效果，并能够回答训练过程需要的样本训练数等一系列问题。
用户评价
不能更牛了。。。
评分这本书cover了现在很多书的内容
评分没啥用
评分不能更牛了。。。
评分统计学习理论与统计学习理论的本质一起读，用了差不多10多天的时间，部分证明很多都跳过，但大概看过并不难理解。 书中的思路很清晰，而且很对称很完美，终于令我对学习理论有了新的理解，廓然一心的感觉，真心不错。
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