MARC状态：审校 文献类型：中文图书 浏览次数：16
- 题名/责任者:
- 统计学习理论基础/(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
- 出版发行项:
- 北京:机械工业出版社,2017
- ISBN及定价:
- 978-7-111-55522-3/CNY43.00
- 载体形态项:
- 169页;24cm
- 丛编项:
- 大数据丛书
- 个人责任者:
- (美) 库尔卡尼 (Kulkarni, Sanjeev) 著
- 个人责任者:
- (美) 哈曼 (Harman, Gilbert) 著
- 个人次要责任者:
- 肖忠祥 译
- 学科主题:
- 统计学
- 中图法分类号:
- C8
- 版本附注:
- 本书中文简体字版由Wiley授权机械工业出版社独家出版
- 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。
- 书目附注:
- 有书目
- 提要文摘附注:
- 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。
全部MARC细节信息>>