书籍详细信息：
统计学习要素:机器学习中的数据挖掘、推断与预测
书目信息机读格式(MARC)
| ISBN/价格： | 978-7-302-55739-5:CNY159.00 |
|---|---|
| 作品语种： | chi eng |
| 出版国别： | CN 110000 |
| 题名责任者项： | 统计学习要素/.(美)特雷弗·哈斯蒂，罗伯特·提布施拉尼，杰罗姆·弗雷曼著/.张军平译 |
| 出版发行项： | 北京:,清华大学出版社:,2021.01 |
| 载体形态项： | 550页:;+26cm |
| 提要文摘： | 本书在一个通用的概念框架中描述通用于数据挖掘、机器学习和生物信息学等领域的重要思想和概念。这些统计学范畴下的概念是人工智能与机器学习的基础。全书共18章，主题包括监督学习、回归的线性方法、分类的线性方法、基展开和正则化、核光滑方法、模型评估和选择、模型推断和平均、加性模型、树和相关方法、Boosting和加性树、神经网络、支持向量机和柔性判断、原型方法和最近邻、非监督学习、随机森林、集成学习、无向图模型和高维问题等。 |
| 题名主题： | 机器学习 |
| 中图分类： | TP181 |
| 个人名称等同： | 特雷弗·哈斯蒂 (美) 著 |
| 个人名称等同： | 罗伯特·提布施拉尼 著 |
| 个人名称等同： | 杰罗姆·弗雷曼 著 |
| 个人名称次要： | 张军平 译 |
| 记录来源： | CN 人天书店 20201230 |
