📖 书目详情
统计机器学习：原理与实践
| 著者 | (美)理查德·M.戈尔登(Richard M. Golden)著 |
| ISBN | 9787111772255 |
| 中图分类 | TP181 自动化技术、计算机技术 |
| 学科分类 | 工学 |
| 版次 | 第1版 |
| 出版社 | 机械工业出版社 |
| 丛书名 | 智能系统与技术丛书 |
| 出版年 | 2025 |
| 页码 | 14362页 |
| 价格 | ¥139.00 |
| 可推荐册数 | 请登录后查看 |
| 核心评分 |
8.3/10
|
📝 内容简介
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。
🏛️ 本馆馆藏信息
本馆暂无该书的馆藏记录，可在线借购