具體描述
著者簡介
圖書目錄
第一部分 學習和推廣性理論
第1章 處理學習問題的兩種方法
第1章附錄 解不適定問題的方法
第2章 概率測度估計與學習問題
第3章 經驗風險最小化原則一緻性的條件
第4章 指示損失函數風險的界
第4章附錄 關於ERM原則風險的下界
第5章 實損失函數風險的界
第6章 結構風險最小化原則
第6章附錄 基於間接測量的函數估計
第7章 隨機不適定問題
第8章 估計給定點上的函數值
第二部分 函數的支持嚮量估計
……
第三部分 學習理論的統計學基礎
……
注釋與參考文獻評述
參考文獻
中英文術語對照錶
· · · · · · (收起)
讀後感
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。
評分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。
評分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。
評分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。
評分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。
用戶評價
對矩陣的運算要求很高，需要再加強矩陣運算的理解
评分和很多經典教材一樣，不易讀懂~
评分統計學習理論與統計學習理論的本質一起讀，用瞭差不多10多天的時間，部分證明很多都跳過，但大概看過並不難理解。 書中的思路很清晰，而且很對稱很完美，終於令我對學習理論有瞭新的理解，廓然一心的感覺，真心不錯。
评分怎麼說呢，圖書館藉瞭3次。最後仍是停留在“經驗風險最小化原則”這一章。
评分和很多經典教材一樣，不易讀懂~
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