|
题名:
|
统计机器学习 / (美)理查德·M.戈尔登(Richard M. Golden)著 , 刘凯[等]译 |
|
ISBN:
|
978-7-111-77225-5 价格： CNY139.00 |
|
语种:
|
chi |
|
载体形态:
|
14,362页 图 24cm |
|
出版发行:
|
出版地： 北京 出版社： 机械工业出版社 出版日期： 2025 |
|
内容提要:
|
本书主要介绍统计机器学习框架，该框架以基于机器学习算法获得真实数据生成过程(DGP)概率分布的最佳近似为前提。统计机器学习框架由一组核心定理支撑，能够用来分析许多常见机器学习算法对DGP的渐近性。书中通过相关机器学习案例帮助学生理解框架中的核心定理。具体来说，本书分为四部分：第一部分通过实例介绍了机器学习算法概念和描述算法的数学工具；第二部分讨论了确定性学习机的渐近行为；第三部分讨论了随机推理机和随机学习机的渐近行为；第四部分关注的是机器学习算法的泛化性能表征问题。 |
|
主题词:
|
机器学习 |
|
中图分类法:
|
TP181 版次： 5 |
|
主要责任者:
|
戈尔登 著 |
|
次要责任者:
|
刘凯 译 |
|
索书号:
|
TP181/5321 |