机读格式显示(MARC)

• 000 01884oam2 2200337 450

• 001 0000487498

• 005 20171124114400.0

• 010 __ |a 978-7-111-55522-3 |d CNY43.00

• 100 __ |a 20170427d2017 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a y az 000yy

• 106 __ |a r

• 200 1_ |a 统计学习理论基础 |A Tong Ji Xue Xi Li Lun Ji Chu |9 tong ji xue xi li lun ji chu |d An elementary introduction to statistical learning theory |f (美)桑吉夫·库尔卡尼(Sanjeev Kulkarni),(美)吉尔伯特·哈曼(Gilbert Harman)著 |g 肖忠祥[等]译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2017

• 215 __ |a 169页 |d 24cm

• 225 1_ |a 大数据丛书 |A Da Shu Ju Cong Shu

• 305 __ |a 本书中文简体字版由Wiley授权机械工业出版社独家出版

• 314 __ |a 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。

• 314 __ |a 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。

• 320 __ |a 有书目

• 330 __ |a 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。

• 461 _0 |1 2001 |a 大数据丛书

• 510 1_ |a Elementary introduction to statistical learning theory |z eng

• 606 0_ |a 统计学 |A Tong Ji Xue

• 690 __ |a C8 |v 5

• 701 _0 |c (美) |a 库尔卡尼 |A Ku Er Ka Ni |9 ku er ka ni |c (Kulkarni, Sanjeev) |4 著

• 701 _0 |c (美) |a 哈曼 |A Ha Man |9 ha man |c (Harman, Gilbert) |4 著

• 702 _0 |a 肖忠祥 |A Xiao Zhong Xiang |9 xiao zhong xiang |4 译

• 801 _0 |a CN |b WXCSXY |c 20171124

• 905 __ |a WXCSXY |d C8/355