内容简介 · · · · · ·
详细介绍支持向量机、Boosting、最大熵、条件随机场等十个统计学习方法。
统计学习方法的创作者
· · · · · ·
-
李航 作者
作者简介 · · · · · ·
李航 日本京都大学电气工程系毕业,日本东京大学计算机科学博士。曾任职于日本NEC公司中央研究所,微软亚洲研究院高级研究员及主任研究员,现任华为诺亚方舟实验室首席科学家。北京大学、南开大学、西安交通大学客座教授。研究方向包括信息检索、自然语言处理、统计机器学习及数据挖掘。
目录 · · · · · ·
第1章 统计学习方法概论
1.1 统计学习
1.2 监督学习
1.3 统计学习三要素
1.4 模型评估与模型选择
1.5 i~则化与交叉验证
1.6 泛化能力
1.7 生成模型与判别模型
1.8 分类问题
1.9 标注问题
1.10 回归问题
本章概要
继续阅读
习题
参考文献
第2章 感知机
2.1 感知机模型
2.2 感知机学习策略
2.3 感知机学习算法
本章概要
继续阅读
习题
参考文献
第3章 众近邻法
3.1 k近邻算法
3.2 k近邻模型
3.3 k近邻法的实现:kd树
本章概要
继续阅读
习题
参考文献
第4章 朴素贝叶斯法
4.1 朴素贝叶斯法的学习与分类
4.2 朴素贝叶斯法的参数估计
本章概要
继续阅读
习题
参考文献
第5章 决策树
第6章 逻辑斯谛回归与最大熵模型
第7章 支持向量机
第8章 提升方法
第9章 em算法及其推广
第10章 隐马尔可夫模型
第11章 条件随机场
第12章 统计学习方法总结
附录a 梯度下降法
附录b 牛顿法和拟牛顿法
附录c 拉格朗日对偶性
索引
· · · · · · (收起)
1.1 统计学习
1.2 监督学习
1.3 统计学习三要素
1.4 模型评估与模型选择
1.5 i~则化与交叉验证
1.6 泛化能力
1.7 生成模型与判别模型
1.8 分类问题
1.9 标注问题
1.10 回归问题
本章概要
继续阅读
习题
参考文献
第2章 感知机
2.1 感知机模型
2.2 感知机学习策略
2.3 感知机学习算法
本章概要
继续阅读
习题
参考文献
第3章 众近邻法
3.1 k近邻算法
3.2 k近邻模型
3.3 k近邻法的实现:kd树
本章概要
继续阅读
习题
参考文献
第4章 朴素贝叶斯法
4.1 朴素贝叶斯法的学习与分类
4.2 朴素贝叶斯法的参数估计
本章概要
继续阅读
习题
参考文献
第5章 决策树
第6章 逻辑斯谛回归与最大熵模型
第7章 支持向量机
第8章 提升方法
第9章 em算法及其推广
第10章 隐马尔可夫模型
第11章 条件随机场
第12章 统计学习方法总结
附录a 梯度下降法
附录b 牛顿法和拟牛顿法
附录c 拉格朗日对偶性
索引
· · · · · · (收起)
喜欢读"统计学习方法"的人也喜欢的电子书 · · · · · ·
支持 Web、iPhone、iPad、Android 阅读器
喜欢读"统计学习方法"的人也喜欢 · · · · · ·
统计学习方法的书评 · · · · · · ( 全部 27 条 )
读完《统计学习方法》的评价
花了2个星期看完了这本书,觉得作者前半部分写的还是挺用心的。当然前面的内容也比较简单。但是最后面两章写的有些莫名其妙,很多东西都根本没有交代清楚,上来就列个公式,都不告诉你是怎么来的。也可能是我水平有限,不过确实感觉作者在后两章节上写的有点应付得感觉
(展开)
读完李航老师的《统计学习方法》第二版以后对机器学习理论的认识相当于什么水平?
如果读透读懂了李航老师的《统计学习方法》第二版以后,对机器学习理论的认识相当于什么水平? 1、之所以强调理论认识,是因为你不看相关的代码书籍,你还是不会调包,你还是没法将“掌握的理论”+“想法”(既用理论解决具体问题的方法、路径) 通过代码来实现。但我认为这部分...
(展开)
> 更多书评 27篇
论坛 · · · · · ·
互动出版网独家提供前三章样章试读! | 来自china-pub数学 | 3 回应 | 2015-11-03 15:14:21 |
我觉得应该搞一个PDF给大家当小册子看,或者开一个... | 来自迪云 | 8 回应 | 2013-05-09 15:50:39 |
这本书的其他版本 · · · · · · ( 全部3 )
-
清华大学出版社 (2019)9.3分 566人读过
-
清华大学出版社 (2022)8.6分 25人读过
在哪儿借这本书 · · · · · ·
以下书单推荐 · · · · · · ( 全部 )
- 【书】所谓知识的另一种 (自娱者小五)
- Machine Learning Books (Sean)
- 闲着没事读读书(四) (鹿小羽)
- 数据挖掘、统计、机器学习 (大米粒)
- ML/CS/Ling补课中 (算文解字)
谁读这本书? · · · · · ·
二手市场
· · · · · ·
订阅关于统计学习方法的评论:
feed: rss 2.0
26 有用 剑南 2013-07-19 10:47:41
对见过这些算法又不太了解理论的童鞋比较好,对初学者来说解释的不够,对高手来说就是复习总结了一遍。
1 有用 蓬山远 2017-05-16 16:01:09
提纲挈领,的确不错
2 有用 Azeril 2014-08-18 15:40:20
略过。
8 有用 大麦 2012-04-21 00:46:45
花了三个晚上时间,一口气读完了这本书。感叹这本书这么短的篇幅,却能把不少经典模型讲得十分清楚,细致的公式推导,伪代码并附带了例子,真是不错。从某个角度看,这本书像是一本精彩的读书笔记。
178 有用 popil1987 2015-03-23 10:17:01
绝对不适合初学者。在理解了书所涉及的算法后,可以读本书。“事儿就这么个事儿,不解释”的范,典型的中式思维,精于总结而不精于解释。有点在于比其它谭浩强类计算机书认真点,每一章都会有论文的出处,可以自己去查。总之,适合回首往事,不适合一见钟情。
0 有用 狐狸薯片 2024-05-05 22:36:02 浙江
很好的工具书。想要做有监督学习,大学的时候学过各种方法但是几乎忘了这些方法的原理和假设,因此不确定这些方法是否适用于手头的数据,今天大读特读把有监督学习篇都看完了!!!以前的记忆也慢慢回来,手头数据自变量x很多时候高度相关,因此用不了朴素贝叶斯和标注问题的两个方法。目前看下来觉得比较适用的是决策树,信息增益对我搭建模型来说是更为重要的。后续打算再看看前人的论文然后再着手实践。
0 有用 浅绿鲀 2024-03-05 01:43:49 湖北
简洁
0 有用 麦田Xu 2024-03-02 23:42:55 湖北
说真的很多地方看不懂啊 惭愧
0 有用 A_Field 2024-01-27 13:52:38 山西
相当不错的算法入门书籍
0 有用 长颈鹿 2023-11-20 23:02:26 重庆
和《机器学习》一起看,互为补充