<p>统计学习方法即机器学习方法,是计算机及其应用领域的一门重要学科。本书分为监督学 习和无监督学习两篇,全面系统地介绍了统计学习的主要方法。包括感知机、k 近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM 算法、隐马尔可夫模型和条件随机场,以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和 PageRank 算法等。除有关统计学习、监督学习和无监督学习的概论和总结的四章外,每章介绍一种方法。叙述力求从具体问题或实例入手, 由浅入深,阐明思路,给出必要的数学推导,便于读者掌握统计学习方法的实质,学会运
统计学习方法(第2版): 课件
✍ Scribed by 李航
- Publisher
- 清华大学出版社
- Year
- 2019
- Tongue
- Chinese
- Leaves
- 464
- Category
- Library
No coin nor oath required. For personal study only.
✦ Synopsis
统计学习方法即机器学习方法,是计算机及其应用领域的一门重要学科。本书分为监督学 习和无监督学习两篇,全面系统地介绍了统计学习的主要方法。包括感知机、k 近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM 算法、隐马尔可夫模型和条件随机场,以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和 PageRank 算法等。除有关统计学习、监督学习和无监督学习的概论和总结的四章外,每章介绍一种方法。叙述力求从具体问题或实例入手, 由浅入深,阐明思路,给出必要的数学推导,便于读者掌握统计学习方法的实质,学会运用。 为满足读者进一步学习的需要,书中还介绍了一些相关研究,给出了少量习题,列出了主要参考文献。 本书是统计机器学习及相关课程的教学参考书,适用于高等院校文本数据挖掘...
统计学习方法即机器学习方法,是计算机及其应用领域的一门重要学科。本书分为监督学 习和无监督学习两篇,全面系统地介绍了统计学习的主要方法。包括感知机、k 近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM 算法、隐马尔可夫模型和条件随机场,以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和 PageRank 算法等。除有关统计学习、监督学习和无监督学习的概论和总结的四章外,每章介绍一种方法。叙述力求从具体问题或实例入手, 由浅入深,阐明思路,给出必要的数学推导,便于读者掌握统计学习方法的实质,学会运用。 为满足读者进一步学习的需要,书中还介绍了一些相关研究,给出了少量习题,列出了主要参考文献。 本书是统计机器学习及相关课程的教学参考书,适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生,也可供从事计算机应用相关专业的研发人员参考。
📜 SIMILAR VOLUMES
本书是与清华大学出版社 2017 年出版的《概率论与数理统计(第 2 版)》(张艳、程士珍主编)教材相配套的学习辅导书。内容包括该书各章的知识点、典型例题、习题与综合练习题全解,另外,还配有大量的训练题及参考答案,以供考研学生提升解题技巧。本书注重体现概率统计的思想方法与基本内容,强调对学生解题方法与能力的培养,力求做到深入浅出,通俗易懂,便于教学与自学. 本书既可以作为高等院校概率论与数理统计的教学参考书,也可以作为数学爱好者学习概率统计的补充读物.
<p>儿何画板是最优秀的数学、物理教学软件之一。新版儿何画板 5.0 的操作更简便,功能更强大。本书通过几何画板的经典实例和课程整合典型案例全面讲解几何画板课件制作与课程整合的方法和技巧。全书共 7 竞,以实例带动教学,前 3 详细介绍几何画板软件的基本操作、绘图方法和新增功能,后 4 章通过典型实例介绍如何用几何画板进行课件制作和课程整合。每章都配有“本章习题”和“上机练习”,既可以让教师合理安排教学内容,又可以让学习者举一反三,快速掌挥本竟知识。在配套资源中,提供了本教材用到的课件范例源文件及素材。为了让读者更轻松地掌握几何画板课件制作技术,作者制作了配套微课视频,微课视频包括教材的全部内