统计学习基础:机器学习中的数据挖掘、推断与预测第2版

1星价 ¥178.5 (7.5折)

2星价￥178.5 定价￥238.0

作者：（美）特雷弗·哈斯蒂，罗伯特·蒂布希拉尼

出版社：世界图书出版公司

本类榜单：自然科学

分类：自然科学 > 数学 > 应用数学

暂无评论

图文详情

ISBN：9787519296865
装帧：平装-胶订
册数：暂无
重量：暂无
开本：其他
页数：745
出版时间：2023-09-01
条形码：9787519296865 ; 978-7-5192-9686-5

内容简介

本书是Springer统计系列丛书之一，旨在让读者深入了解数据挖掘和预测。随着计算机和信息技术迅猛发展，医学、生物学、金融、以及市场等各个领域的大量数据的产生，处理这些数据以及挖掘它们之间的关系对于一个统计工作者显得尤为重要。本书运用共同的理论框架将这些领域的重要观点做了很好的阐释，重点强调方法和概念基础而非理论性质，运用统计的方法更是突出概念而非数学。另外，书中大量的彩色图例可以帮助读者更好地理解概念和理论。目次:导论; 监督学习概述; 线性回归模型; 线性分类方法; 基展开与正则性; 核方法; 模型评估与选择; 模型参考与平均; 可加性模型，树与相关方法; 神经网络; 支持向量机器与弹性准则; 原型法和*近邻居; 无监督学习.读者对象：适用于数学及统计专业的研究生、统计工作者及相关领域的研究人员。