孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索

统计学习基础：（英文版）

统计学习基础：（英文版）
分享
扫描下方二维码分享到微信
打开微信，点击右上角”+“，
使用”扫一扫“即可将网页分享到朋友圈。
作者: [美] （Hastie T） 著
出版社: 世界图书出版公司
2009-01
版次: 1
ISBN: 9787506292313
定价: 88.00
装帧: 平装
开本: 32开
纸张: 胶版纸
页数: 533页
正文语种: 英语
分类: 计算机与互联网
1 张插图图片
66人买过
  • 　　Thelearningproblemsthatweconsidercanberoughlycategorizedaseithersupervisedorunsupervised.Insupervisedlearning,thegoalistopredictthevalueofanoutcomemeasurebasedonanumberofinputmeasures;inunsupervisedlearning,thereisnooutcomemeasure,andthegoalistodescribetheassociationsandpatternsamongasetofinputmeasures. 作者：（德国）T.黑斯蒂（Trevor Hastie） Preface
    1IntroductionOverviewofSupervisedLearning
    2.1Introduction
    2.2VariableTypesandTerminology
    2.3TwoSimpleApproachestoPrediction：LeastSquaresandNearestNeighbors
    2.3.1LinearModelsandLeastSquares
    2.3.2Nearest-NeighborMethods
    2.3.3FromLeastSquarestoNearestNeighbors
    2.4StatisticalDecisionTheory
    2.5LocalMethodsinHighDimensions
    2.6StatisticalModels，SupervisedLearningandFunctionApproximation
    2.6.1AStatisticalModelfortheJointDistributionPr(X，Y)
    2.6.2SupervisedLearning
    2.6.3FunctionApproximation
    2.7StructuredRegressionModels
    2.7.1DifficultyoftheProblem
    2.8ClassesofRestrictedEstimators
    2.8.1RoughnessPenaltyandBayesianMethods
    2.8.2KernelMethodsandLocalRegression
    2.8.3BasisFunctionsandDictionaryMethods
    2.9ModelSelectionandtheBias-VarianceTradeoff
    BibliographicNotes
    Exercises

    3LinearMethodsforRegression
    3.1Introduction
    3.2LinearRegressionModelsandLeastSquares
    3.2.1Example：ProstateCancer
    3.2.2TheGanss-MarkovTheorem
    3.3MultipleRegressionfromSimpleUnivariateRegression
    3.3.1MultipleOutputs
    3.4SubsetSelectionandCoefficientShrinkage
    3.4.1SubsetSelection
    3.4.2ProstateCancerDataExamplefContinued)
    3.4.3ShrinkageMethods
    3.4.4MethodsUsingDerivedInputDirections
    3.4.5Discussion：AComparisonoftheSelectionandShrinkageMethods
    3.4.6MultipleOutcomeShrinkageandSelection
    3.5CompntationalConsiderations
    BibliographicNotes
    Exercises

    4LinearMethodsforClassification
    4.1Introduction
    4.2LinearRegressionofanIndicatorMatrix
    4.3LinearDiscriminantAnalysis
    4.3.1RegularizedDiscriminantAnalysis
    4.3.2ComputationsforLDA
    4.3.3Reduced-RankLinearDiscriminantAnalysis
    4.4LogisticRegression
    4.4.1FittingLogisticRegressionModels
    4.4.2Example：SouthAfricanHeartDisease
    4.4.3QuadraticApproximationsandInference
    4.4.4LogisticRegressionorLDA7
    4.5SeparatingHyperplanes
    4.5.1RosenblattsPerceptronLearningAlgorithm
    4.5.2OptimalSeparatingHyperplanes
    BibliographicNotes
    Exercises

    5BasisExpansionsandRegularizatlon
    5.1Introduction
    5.2PiecewisePolynomialsandSplines
    5.2.1NaturalCubicSplines
    5.2.2Example：SouthAfricanHeartDisease(Continued)
    5.2.3Example：PhonemeRecognition
    5.3FilteringandFeatureExtraction
    5.4SmoothingSplines
    5.4.1DegreesofFreedomandSmootherMatrices
    5.5AutomaticSelectionoftheSmoothingParameters
    5.5.1FixingtheDegreesofFreedom
    5.5.2TheBias-VarianceTradeoff
    5.6NonparametricLogisticRegression
    5.7MultidimensionalSplines
    5.8RegularizationandReproducingKernelHilbertSpaces..
    5.8.1SpacesofPhnctionsGeneratedbyKernels
    5.8.2ExamplesofRKHS
    5.9WaveletSmoothing
    5.9.1WaveletBasesandtheWaveletTransform
    5.9.2AdaptiveWaveletFiltering
    BibliographicNotes
    Exercises
    Appendix：ComputationalConsiderationsforSplines
    Appendix：B-splines
    Appendix：ComputationsforSmoothingSplines

    6KernelMethods
    6.1One-DimensionalKernelSmoothers
    6.1.1LocalLinearRegression
    6.1.2LocalPolynomialRegression
    6.2SelectingtheWidthoftheKernel
    6.3LocalRegressioninJap
    6.4StructuredLocalRegressionModelsin]ap
    6.4.1StructuredKernels
    6.4.2StructuredRegressionFunctions
    6.5LocalLikelihoodandOtherModels
    6.6KernelDensityEstimationandClassification
    6.6.1KernelDensityEstimation
    6.6.2KernelDensityClassification
    6.6.3TheNaiveBayesClassifier
    6.7RadialBasisFunctionsandKernels
    6.8MixtureModelsforDensityEstimationandClassification
    6.9ComputationalConsiderations
    BibliographicNotes
    Exercises

    7ModelAssessmentandSelection
    7.1Introduction
    7.2Bias，VarianceandModelComplexity
    7.3TheBias-VarianceDecomposition
    7.3.1Example：Bias-VarianceTradeoff
    7.4OptimismoftheTrainingErrorRate
    7.5EstimatesofIn-SamplePredictionError
    7.6TheEffectiveNumberofParameters
    7.7TheBayesianApproachandBIC
    7.8MinimumDescriptionLength
    7.9VapnikChernovenkisDimension
    7.9.1Example(Continued)
    7.10Cross-Validation
    7.11BootstrapMethods
    7.11.1Example(Continued)
    BibliographicNotes
    Exercises

    8ModelInferenceandAveraging
    8.1Introduction
    8.2TheBootstrapandMaximumLikelihoodMethods
    8.2.1ASmoothingExample
    8.2.2MaximumLikelihoodInference
    8.2.3BootstrapversusMaximumLikelihood
    8.3BayesianMethods
    8.4RelationshipBetweentheBootstrapandBayesianInference
    8.5TheEMAlgorithm
    8.5.1Two-ComponentMixtureModel
    8.5.2TheEMAlgorithminGeneral
    8.5.3EMasaMaximization-MaximizationProcedure
    8.6MCMCforSamplingfromthePosterior
    8.7Bagging
    8.7.1Example：TreeswithSimulatedData
    8.8ModelAveragingandStacking
    8.9StochasticSearch：Bumping
    BibliographicNotes
    Exercises

    9AdditiveModels，Trees，andRelatedMethods
    9.1GeneralizedAdditiveModels
    9.1.1FittingAdditiveModels
    9.1.2Example：AdditiveLogisticRegression
    9.1.3Summary
    9.2TreeBasedMethods
    10BoostingandAdditiveTrees
    11NeuralNetworks
    12SupportVectorMachinesandFlexibleDiscriminants
    13PrototypeMethodsandNearest-Neighbors
    14UnsupervisedLearning
    References
    AuthorIndex
    Index
  • 内容简介:
    　　Thelearningproblemsthatweconsidercanberoughlycategorizedaseithersupervisedorunsupervised.Insupervisedlearning,thegoalistopredictthevalueofanoutcomemeasurebasedonanumberofinputmeasures;inunsupervisedlearning,thereisnooutcomemeasure,andthegoalistodescribetheassociationsandpatternsamongasetofinputmeasures.
  • 作者简介:
    作者：（德国）T.黑斯蒂（Trevor Hastie）
  • 目录:
    Preface
    1IntroductionOverviewofSupervisedLearning
    2.1Introduction
    2.2VariableTypesandTerminology
    2.3TwoSimpleApproachestoPrediction：LeastSquaresandNearestNeighbors
    2.3.1LinearModelsandLeastSquares
    2.3.2Nearest-NeighborMethods
    2.3.3FromLeastSquarestoNearestNeighbors
    2.4StatisticalDecisionTheory
    2.5LocalMethodsinHighDimensions
    2.6StatisticalModels，SupervisedLearningandFunctionApproximation
    2.6.1AStatisticalModelfortheJointDistributionPr(X，Y)
    2.6.2SupervisedLearning
    2.6.3FunctionApproximation
    2.7StructuredRegressionModels
    2.7.1DifficultyoftheProblem
    2.8ClassesofRestrictedEstimators
    2.8.1RoughnessPenaltyandBayesianMethods
    2.8.2KernelMethodsandLocalRegression
    2.8.3BasisFunctionsandDictionaryMethods
    2.9ModelSelectionandtheBias-VarianceTradeoff
    BibliographicNotes
    Exercises

    3LinearMethodsforRegression
    3.1Introduction
    3.2LinearRegressionModelsandLeastSquares
    3.2.1Example：ProstateCancer
    3.2.2TheGanss-MarkovTheorem
    3.3MultipleRegressionfromSimpleUnivariateRegression
    3.3.1MultipleOutputs
    3.4SubsetSelectionandCoefficientShrinkage
    3.4.1SubsetSelection
    3.4.2ProstateCancerDataExamplefContinued)
    3.4.3ShrinkageMethods
    3.4.4MethodsUsingDerivedInputDirections
    3.4.5Discussion：AComparisonoftheSelectionandShrinkageMethods
    3.4.6MultipleOutcomeShrinkageandSelection
    3.5CompntationalConsiderations
    BibliographicNotes
    Exercises

    4LinearMethodsforClassification
    4.1Introduction
    4.2LinearRegressionofanIndicatorMatrix
    4.3LinearDiscriminantAnalysis
    4.3.1RegularizedDiscriminantAnalysis
    4.3.2ComputationsforLDA
    4.3.3Reduced-RankLinearDiscriminantAnalysis
    4.4LogisticRegression
    4.4.1FittingLogisticRegressionModels
    4.4.2Example：SouthAfricanHeartDisease
    4.4.3QuadraticApproximationsandInference
    4.4.4LogisticRegressionorLDA7
    4.5SeparatingHyperplanes
    4.5.1RosenblattsPerceptronLearningAlgorithm
    4.5.2OptimalSeparatingHyperplanes
    BibliographicNotes
    Exercises

    5BasisExpansionsandRegularizatlon
    5.1Introduction
    5.2PiecewisePolynomialsandSplines
    5.2.1NaturalCubicSplines
    5.2.2Example：SouthAfricanHeartDisease(Continued)
    5.2.3Example：PhonemeRecognition
    5.3FilteringandFeatureExtraction
    5.4SmoothingSplines
    5.4.1DegreesofFreedomandSmootherMatrices
    5.5AutomaticSelectionoftheSmoothingParameters
    5.5.1FixingtheDegreesofFreedom
    5.5.2TheBias-VarianceTradeoff
    5.6NonparametricLogisticRegression
    5.7MultidimensionalSplines
    5.8RegularizationandReproducingKernelHilbertSpaces..
    5.8.1SpacesofPhnctionsGeneratedbyKernels
    5.8.2ExamplesofRKHS
    5.9WaveletSmoothing
    5.9.1WaveletBasesandtheWaveletTransform
    5.9.2AdaptiveWaveletFiltering
    BibliographicNotes
    Exercises
    Appendix：ComputationalConsiderationsforSplines
    Appendix：B-splines
    Appendix：ComputationsforSmoothingSplines

    6KernelMethods
    6.1One-DimensionalKernelSmoothers
    6.1.1LocalLinearRegression
    6.1.2LocalPolynomialRegression
    6.2SelectingtheWidthoftheKernel
    6.3LocalRegressioninJap
    6.4StructuredLocalRegressionModelsin]ap
    6.4.1StructuredKernels
    6.4.2StructuredRegressionFunctions
    6.5LocalLikelihoodandOtherModels
    6.6KernelDensityEstimationandClassification
    6.6.1KernelDensityEstimation
    6.6.2KernelDensityClassification
    6.6.3TheNaiveBayesClassifier
    6.7RadialBasisFunctionsandKernels
    6.8MixtureModelsforDensityEstimationandClassification
    6.9ComputationalConsiderations
    BibliographicNotes
    Exercises

    7ModelAssessmentandSelection
    7.1Introduction
    7.2Bias，VarianceandModelComplexity
    7.3TheBias-VarianceDecomposition
    7.3.1Example：Bias-VarianceTradeoff
    7.4OptimismoftheTrainingErrorRate
    7.5EstimatesofIn-SamplePredictionError
    7.6TheEffectiveNumberofParameters
    7.7TheBayesianApproachandBIC
    7.8MinimumDescriptionLength
    7.9VapnikChernovenkisDimension
    7.9.1Example(Continued)
    7.10Cross-Validation
    7.11BootstrapMethods
    7.11.1Example(Continued)
    BibliographicNotes
    Exercises

    8ModelInferenceandAveraging
    8.1Introduction
    8.2TheBootstrapandMaximumLikelihoodMethods
    8.2.1ASmoothingExample
    8.2.2MaximumLikelihoodInference
    8.2.3BootstrapversusMaximumLikelihood
    8.3BayesianMethods
    8.4RelationshipBetweentheBootstrapandBayesianInference
    8.5TheEMAlgorithm
    8.5.1Two-ComponentMixtureModel
    8.5.2TheEMAlgorithminGeneral
    8.5.3EMasaMaximization-MaximizationProcedure
    8.6MCMCforSamplingfromthePosterior
    8.7Bagging
    8.7.1Example：TreeswithSimulatedData
    8.8ModelAveragingandStacking
    8.9StochasticSearch：Bumping
    BibliographicNotes
    Exercises

    9AdditiveModels，Trees，andRelatedMethods
    9.1GeneralizedAdditiveModels
    9.1.1FittingAdditiveModels
    9.1.2Example：AdditiveLogisticRegression
    9.1.3Summary
    9.2TreeBasedMethods
    10BoostingandAdditiveTrees
    11NeuralNetworks
    12SupportVectorMachinesandFlexibleDiscriminants
    13PrototypeMethodsandNearest-Neighbors
    14UnsupervisedLearning
    References
    AuthorIndex
    Index
查看详情
其他版本 / 全部 (4)
相关图书 / 更多
统计学习基础：（英文版）
统计预测
洪兴建 编
￥18.00 起
统计学习基础：（英文版）
统计考古
苑世领
￥92.84 起
统计学习基础：（英文版）
统计机器学习及R实现
孙德山
￥32.38 起
统计学习基础：（英文版）
统计学：SPSS应用及案例分析
王秀芝
￥14.60 起
统计学习基础：（英文版）
统计学——使用R语言
朱顺泉 等编著
￥30.54 起
统计学习基础：（英文版）
统计学高级教程：回归分析（原书第8版） [美]威廉·门登霍尔
（美）威廉·门登霍尔（William Mendenhall），（美）特里·辛西奇（Terry Sincich）
￥125.70 起
统计学习基础：（英文版）
统计分析与SPSS的应用（第7版）（）
薛薇
￥19.00 起
统计学习基础：（英文版）
统计学（第三版）
主编 马秀颖 马敏娜 副主编 李国荣 王
￥44.69 起
统计学习基础：（英文版）
统计学原理及应用研究
张海凤；舒春光；晋新焕
￥24.70 起
统计学习基础：（英文版）
统计学习题册（第二版）
王利娟、李梨、马雨 编
￥16.23 起
统计学习基础：（英文版）
统计学基础实验(SPSS)(第3版)
李勇，李禹锋，骆琳
￥8.40 起
统计学习基础：（英文版）
统计思维：科学家入门导引 [美]M. D.埃奇
（美）M. D.埃奇
￥36.77 起
您可能感兴趣 / 更多
统计学习基础：（英文版）
亚拉山大的读心术（数学大师的逻辑课） 伦理学、逻辑学 [美]雷蒙德·m.斯穆里安（raymondm.smullyan）
[美]雷蒙德·m.斯穆里安（raymondm.smullyan）
￥21.70 起
统计学习基础：（英文版）
纳博科夫精选集第五辑
[美]弗拉基米尔·纳博科夫著
￥40.48 起
统计学习基础：（英文版）
九桃盘（美国二十世纪重要女诗人玛丽安·摩尔诗歌精选集，由知名女诗人和女性诗学研究者倪志娟倾情翻译）
[美]玛丽安•摩尔
￥34.70 起
统计学习基础：（英文版）
全新正版图书 制造德·戴维尼浙江教育出版社9787572276880
[美]理查德·戴维尼
￥70.70 起
统计学习基础：（英文版）
血泪之泣
[美]希瑟·丘·麦克亚当
￥37.49 起
统计学习基础：（英文版）
小学生趣味心理学（培养执行技能的40个练习，发展共情能力的46个练习，学会应对焦虑的40个练习 共3册） (美)莎伦·格兰德 王佳妮译
[美]莎伦·格兰德（sharon grand）
￥66.50 起
统计学习基础：（英文版）
（当代学术棱镜译丛）艺术批评入门：历史、策略与声音
[美]克尔·休斯顿
￥55.00 起
统计学习基础：（英文版）
金钱游戏（划时代增订版）：深层透析金融游戏表象之下的规则与黑箱 长达60年盘踞金融畅销榜的现象级作品
[美]亚当·史密斯（Adam Smith） 著；刘寅龙 译
￥74.45 起
统计学习基础：（英文版）
矿王谷的黎明：塞拉俱乐部诉莫顿案与美国环境法的转变（精装典藏版）
[美]丹尼尔·P.塞尔米，（Daniel,P.Selmi）
￥32.24 起
统计学习基础：（英文版）
体式神话：瑜伽传统故事精粹（第二版） （从30个体式古老起源中汲取灵感与力量，内附精美插图）
[美]阿兰娜·凯瓦娅（Alanna Kaivalya）[荷]阿诸那·范德·库伊（Arjuna van der Kooij）
￥15.96 起
统计学习基础：（英文版）
诺奖作家给孩子的阅读课·生命教育（3-9年级，莫言余华的文学启蒙，垫高阅读起点，提升作文能力）
[美]海明威等
￥16.05 起
统计学习基础：（英文版）
蚯蚓的日记（全4册）【平装版】
[美]朵琳·克罗宁
￥57.50 起
© 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全