img
share 分享

VIP会员

作者：CSDN

出版社：CSDN《程序员》

ISBN：1111111111117

VIP会员免费 （仅需0.8元/天） ¥ 40000.0

温馨提示： 价值40000元的1000本电子书，VIP会员随意看哦！

电子书推荐

更多资源 展开

统计学习方法.李航(带详细书签).pdf 评分:

统计学习是计算机及其应用领域的一门重要的学科。本书全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、em算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外，每章介绍一种方法。叙述从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文献。 《统计学习方法》是统计学习及相关课程的教学参考书，适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生，也可供从事计算机应用相关专业的研发人员参考。 第1章 统计学习方法概论 1 1.1 统计学习 1 1.2 监督学习 3 1.3 统计学习三要素 6 1.4 模型评估与模型选择 10 1.5 正则化与交叉验证 13 1.6 泛化能力 15 1.7 生成模型与判别模型 17 1.8 分类问题 18 1.9 标注问题 20 1.10 回归问题 21 本章概要 23 第2章 感知机 25 2.1 感知机模型 25 2.2 感知机学习策略 26 2.3 感知机学习算法 28 本章概要 35 第3章 k近邻法 37 3.1 k近邻算法 37 3.2 k近邻模型 38 3.3 k近邻法的实现：kd树 41 本章概要 44 第4章 朴素贝叶斯法 47 4.1 朴素贝叶斯法的学习与分类 47 4.2 朴素贝叶斯法的参数估计 49 本章概要 52 第5章 决策树 55 5.1 决策树模型与学习 55 5.2 特征选择 58 5.3 决策树的生成 63 5.4 决策树的剪枝 65 5.5 CART算法 67 本章概要 73 第6章 逻辑斯谛回归与最大熵模型 77 6.1 逻辑斯谛回归模型 77 6.2 最大熵模型 80 6.3 模型学习的最优化算法 88 本章概要 92 第7章 支持向量机 95 7.1 线性可分支持向量机与硬间隔最大化 95 7.2 线性支持向量机与软间隔最大化 108 7.3 非线性支持向量机与核函数 115 7.4 序列最小最优化算法 124 本章概要 131 第8章 提升方法 137 8.1 提升方法AdaBoost算法 137 8.2 AdaBoost算法的训练误差分析 142 8.3 AdaBoost算法的解释 143 8.4 提升树 146 本章概要 152 第9章 EM算法及其推广 155 9.1 EM算法的引入 155 9.1.1 EM算法 155 9.1.2 EM算法的导出 158 9.2 EM算法的收敛性 160 9.3 EM算法在高斯混合模型学习中的应用 162 9.4 EM算法的推广 166 本章概要 169 第10章 隐马尔科夫模型 171 10.1 隐马尔科夫模型的基本概念 171 10.2 概率计算算法 174 10.3 学习算法 180 10.4 预测算法 184 本章概要 187 第11章 条件随机场 191 11.1 概率无向图模型 191 11.2 条件随机场的定义与形式 194 11.3 条件随机场的概率计算问题 199 11.4 条件随机场的学习算法 201 11.5 条件随机场的预测算法 206 本章概要 208 第12章 统计学习方法总结 211 附录A 梯度下降法 217 附录B 牛顿法和拟牛顿法 219 附录C 拉格朗日对偶性 225 索引 229

...展开详情
上传时间：2019-03 大小：17.63MB
公告
热门图书