本地导入书籍的 AI 翻译功能
仅支持付费会员使用
仅支持付费会员使用
微信扫码开通付费会员
一键翻译全文
一键翻译全文
微信读书书城统计学习方法（第2版） 版权信息
查看
全部搜索结果
统计学习方法（第2版）
李航
- 版权信息
- 作者简介
- 内容简介
- 第2版序言
- 第1版序言
- 第1篇 监督学习
- 第1章 统计学习及监督学习概论
- 1.1 统计学习
- 1.2 统计学习的分类
- 1.3 统计学习方法三要素
- 1.4 模型评估与模型选择
- 1.5 正则化与交叉验证
- 1.6 泛化能力
- 1.7 生成模型与判别模型
- 1.8 监督学习应用
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第2章 感知机
- 2.1 感知机模型
- 2.2 感知机学习策略
- 2.3 感知机学习算法
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第3章 k近邻法
- 3.1 k近邻算法
- 3.2 k近邻模型
- 3.3 k近邻法的实现：kd树
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第4章 朴素贝叶斯法
- 4.1 朴素贝叶斯法的学习与分类
- 4.2 朴素贝叶斯法的参数估计
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第5章 决策树
- 5.1 决策树模型与学习
- 5.2 特征选择
- 5.3 决策树的生成
- 5.4 决策树的剪枝
- 5.5 CART算法
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第6章 逻辑斯谛回归与最大熵模型
- 6.1 逻辑斯谛回归模型
- 6.2 最大熵模型
- 6.3 模型学习的最优化算法
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第7章 支持向量机
- 7.1 线性可分支持向量机与硬间隔最大化
- 7.2 线性支持向量机与软间隔最大化
- 7.3 非线性支持向量机与核函数
- 7.4 序列最小最优化算法
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第8章 提升方法
- 8.1 提升方法AdaBoost算法
- 8.2 AdaBoost算法的训练误差分析
- 8.3 AdaBoost算法的解释
- 8.4 提升树
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第9章 EM算法及其推广
- 9.1 EM算法的引入
- 9.2 EM算法的收敛性
- 9.3 EM算法在高斯混合模型学习中的应用
- 9.4 EM算法的推广
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第10章 隐马尔可夫模型
- 10.1 隐马尔可夫模型的基本概念
- 10.2 概率计算算法
- 10.3 学习算法
- 10.4 预测算法
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第11章 条件随机场
- 11.1 概率无向图模型
- 11.2 条件随机场的定义与形式
- 11.3 条件随机场的概率计算问题
- 11.4 条件随机场的学习算法
- 11.5 条件随机场的预测算法
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第12章 监督学习方法总结
- 第2篇 无监督学习
- 第13章 无监督学习概论
- 13.1 无监督学习基本原理
- 13.2 基本问题
- 13.3 机器学习三要素
- 13.4 无监督学习方法
- 本章概要
- 继续阅读
- 参考文献
- 第14章 聚类方法
- 14.1 聚类的基本概念
- 14.2 层次聚类
- 14.3 k均值聚类
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第15章 奇异值分解
- 15.1 奇异值分解的定义与性质
- 15.2 奇异值分解的计算
- 15.3 奇异值分解与矩阵近似
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第16章 主成分分析
- 16.1 总体主成分分析
- 16.2 样本主成分分析
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第17章 潜在语义分析
- 17.1 单词向量空间与话题向量空间
- 17.2 潜在语义分析算法
- 17.3 非负矩阵分解算法
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第18章 概率潜在语义分析
- 18.1 概率潜在语义分析模型
- 18.2 概率潜在语义分析的算法
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第19章 马尔可夫链蒙特卡罗法
- 19.1 蒙特卡罗法
- 19.2 马尔可夫链
- 19.3 马尔可夫链蒙特卡罗法
- 19.4 Metropolis-Hastings算法
- 19.5 吉布斯抽样
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第20章 潜在狄利克雷分配
- 20.1 狄利克雷分布
- 20.2 潜在狄利克雷分配模型
- 20.3 LDA的吉布斯抽样算法
- 20.4 LDA的变分EM算法
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第21章 PageRank算法
- 21.1 PageRank的定义
- 21.2 PageRank的计算
- 本章概要
- 继续阅读
- 习题
- 参考文献
- 第22章 无监督学习方法总结
- 22.1 无监督学习方法的关系和特点
- 22.2 话题模型之间的关系和特点
- 参考文献
- 附录A 梯度下降法
- 附录B 牛顿法和拟牛顿法
- 附录C 拉格朗日对偶性
- 附录D 矩阵的基本子空间
- 附录E KL散度的定义和狄利克雷分布的性质
暂无笔记