统计学习理论基础
【作 者】（美）桑吉夫·库尔卡尼（Sanjeev Kulkarni），（美）吉尔伯特·哈曼（Gilbert Harman）著
【丛书名】大数据丛书
【形态项】 169
【出版项】 北京：机械工业出版社 , 2017.03
【ISBN号】978-7-111-55522-3
【中图法分类号】C8
【原书定价】43.00
【主题词】统计学
【参考文献格式】 （美）桑吉夫·库尔卡尼（Sanjeev Kulkarni），（美）吉尔伯特·哈曼（Gilbert Harman）著. 统计学习理论基础. 北京：机械工业出版社, 2017.03.
内容提要:
全书共包含18章，从概率密度、贝叶斯决策理论引入样本学习的基本概念，进而介绍了最近邻域学习、核学习及神经网络学习，在此基础上探讨了PCA学习、VC维概念、函数估计问题等，后重点介绍了非常实用的支持向量机（SVM）及Boosting算法。各章均包含小结、附录、习题及参考文献等。
下载试读地址