|
题名:
|
统计学习理论基础 tong ji xue xi li lun ji chu / (美)桑吉夫·库尔卡尼(Sanjeev Kulkarni),(美)吉尔伯特·哈曼(Gilbert Harman)著 , 肖忠祥[等]译 |
|
ISBN:
|
978-7-111-55522-3 价格： CNY43.00 |
|
语种:
|
chi |
|
载体形态:
|
169页 24cm |
|
出版发行:
|
出版地： 北京 出版社： 机械工业出版社 出版日期： 2017 |
|
内容提要:
|
本书共包含18章,从概率密度贝叶斯决策理论引入样本学习的基本概念,进而介绍了最近邻域学习、核学习及神经网络学习,在此基础上探讨了PCA学习、VC维概念、函数估计问题等,最后重点介绍了非常实用的支持向量机(SVM)及Boosting算法。 |
|
主题词:
|
统计学 |
|
中图分类法:
|
C8 版次： 5 |
|
主要责任者:
|
库尔卡尼 ku er ka ni 著 |
|
主要责任者:
|
哈曼 ha man 著 |
|
次要责任者:
|
肖忠祥 xiao zhong xiang 译 |
|
责任者附注:
|
桑吉夫·库尔卡尼 (Sanjeev Kulkarni),博士是普林斯顿大学电气工程系教授,同时也在运筹学与金融工程系及哲学系担任教职。Kulkarni博士在统计模式识别、参数估计、机器学习、信息论等领域发表了大量论文及专著,他是IEEE院士、曾荣获2007年度普林斯顿大学院长杰出教学成果奖。 |
|
责任者附注:
|
吉尔伯特·哈曼 (Gilbert Harman),博士被评为普林斯顿大学哲学系“詹姆斯麦克唐奈杰出教授”,同时也是认知科学协会高级研究员,他在伦理学、统计学理论、推理心理学和逻辑学等研究领域发表了五十余篇论文。 |
|
索书号:
|
C8/2 |