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）
统计与优化（第2版）
赵金玲、张婷 编
￥29.10 起
统计学习基础：（英文版）
统计学 第3版
向蓉美
￥22.87 起
统计学习基础：（英文版）
统计基础与实务(第2版十二五职业教育国家规划教材)
万淑艳、王金荣 编
￥13.50 起
统计学习基础：（英文版）
统计学原理
高秀香 主编；孙曦媚
￥0.20 起
统计学习基础：（英文版）
统计学——实验与习题指导
王鹏 著；张宏亮、张宏亮、王鹏 编
￥7.60 起
统计学习基础：（英文版）
统计学的道/悦读丛书
李金昌
￥43.09 起
统计学习基础：（英文版）
统计学 第5版(全2册)
作者
￥23.79 起
统计学习基础：（英文版）
统计学（第二版）
李金昌
￥34.32 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
￥9.50 起
统计学习基础：（英文版）
统计学（第二版）
叶仁道
￥14.80 起
统计学习基础：（英文版）
统计学（第五版）
袁卫 庞皓 贾俊平 杨灿
￥0.40 起
统计学习基础：（英文版）
统计分析入门与应用：SPSS+SmartPLS（第2版）（新时代·技术新未来）
萧文龙 著
￥83.16 起
您可能感兴趣 / 更多
统计学习基础：（英文版）
孩子，把你的手给我1：怎么说孩子才爱听，怎么教孩子才肯学？帮助每一位3-12岁孩子的父母结束与孩子的所有冲突！
[美]海姆·G.吉诺特
￥10.26 起
统计学习基础：（英文版）
怎样做成大事
[美]丹·加德纳（Dan Gardner） 著；贾拥民 译；湛庐文化 出品；[丹麦]傅以斌（Bent Flyvbjerg）
￥44.25 起
统计学习基础：（英文版）
1200年希腊罗马神话
[美]伊迪丝·汉密尔顿
￥98.00 起
统计学习基础：（英文版）
黄金圈法则
[美]西蒙·斯涅克 著；磨铁文化 出品
￥49.14 起
统计学习基础：（英文版）
汤姆·索亚历险记 彩图注音版 一二三四年级5-6-7-8-9岁小学生课外阅读经典 儿童文学无障碍有声伴读世界名著童话故事
[美]马克 吐温
￥5.51 起
统计学习基础：（英文版）
富兰克林自传 名家全译本 改变无数人命运的励志传奇 埃隆马斯克反复推荐 赠富兰克林签名照及精美插图
[美]本杰明·富兰克林 著；李自修 译
￥29.05 起
统计学习基础：（英文版）
意大利文艺复兴新艺术史
[美]迈克尔·韦恩·科尔 著；[美]斯蒂芬·J·坎贝尔；邵亦杨
￥429.50 起
统计学习基础：（英文版）
汤姆素亚历险记：中小学生课外阅读快乐读书吧 儿童文学无障碍有声伴读世界名著童话故事
[美]马克·吐温
￥7.77 起
统计学习基础：（英文版）
老人与海 彩图注音版 一二三四年级5-6-7-8-9岁小学生课外阅读经典 儿童文学无障碍有声伴读世界名著童话故事
[美]海明威
￥5.51 起
统计学习基础：（英文版）
养育的觉醒：全面激发孩子自驱力，教你如何心平气和做妈妈
[美]凯文·莱曼 著；唐晓璐 译；斯坦威 出品
￥17.40 起
统计学习基础：（英文版）
你在等什么？
[美]斯科特·明钦 著；[中]易万 译；[美]马特 ·斐兰 绘
￥28.00 起
统计学习基础：（英文版）
国际大奖图画书系列 共11册（小老鼠的恐惧的大书，大灰狼，红豆与菲比，别烦我，下雪了 ，穿靴子的猫 ，先有蛋，绿 ，特别快递，如果你想看鲸鱼 ，一个部落的孩子 ） 麦克米伦世纪
[美]莱恩·史密斯 (英)埃米莉·格雷维特 (美)劳拉·瓦卡罗·等/文 (英)埃米莉·格雷维特 等/图 彭懿 杨玲玲 阿甲 孙慧阳 白薇 译
￥5.00 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