《統(tǒng)計(jì)學(xué)習(xí)方法》是計(jì)算機(jī)及其應(yīng)用領(lǐng)域的一門(mén)重要的學(xué)科�！督y(tǒng)計(jì)學(xué)習(xí)方法》全面系統(tǒng)地介紹了統(tǒng)計(jì)學(xué)習(xí)的主要方法，特別是監(jiān)督學(xué)習(xí)方法，包括感知機(jī)、k近鄰法、樸素貝葉斯法、決策樹(shù)、邏輯斯諦回歸與最大熵模型、支持向量機(jī)、提升方法、EM算法、隱馬爾可夫模型和條件隨機(jī)場(chǎng)等。除第1章概論和最后一章總結(jié)外，每章介紹一種方法。敘述從具體問(wèn)題或?qū)嵗胧�，由淺入深，闡明思路，給出必要的數(shù)學(xué)推導(dǎo)，便于讀者掌握統(tǒng)計(jì)學(xué)習(xí)方法的實(shí)質(zhì)，學(xué)會(huì)運(yùn)用。為滿(mǎn)足讀者進(jìn)一步學(xué)習(xí)的需要，書(shū)中還介紹了一些相關(guān)研究，給出了少量習(xí)題，列出了主要參考文獻(xiàn)。
作者簡(jiǎn)介
李航 日本京都大學(xué)電氣工程系畢業(yè)，日本東京大學(xué)計(jì)算機(jī)科學(xué)博士。曾任職于日本NEC公司中央研究所，微軟亞洲研究院高級(jí)研究員及主任研究員，現(xiàn)任華為諾亞方舟實(shí)驗(yàn)室首席科學(xué)家。北京大學(xué)、南開(kāi)大學(xué)、西安交通大學(xué)客座教授。研究方向包括信息檢索、自然語(yǔ)言處理、統(tǒng)計(jì)機(jī)器學(xué)習(xí)及數(shù)據(jù)挖掘。
目錄：
第1章 統(tǒng)計(jì)學(xué)習(xí)方法概論
1.1 統(tǒng)計(jì)學(xué)習(xí)
1.2 監(jiān)督學(xué)習(xí)
1.3 統(tǒng)計(jì)學(xué)習(xí)三要素
1.4 模型評(píng)估與模型選擇
1.5 i~則化與交叉驗(yàn)證
1.6 泛化能力
1.7 生成模型與判別模型
1.8 分類(lèi)問(wèn)題
1.9 標(biāo)注問(wèn)題
1.10 回歸問(wèn)題
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第2章 感知機(jī)
2.1 感知機(jī)模型
2.2 感知機(jī)學(xué)習(xí)策略
2.3 感知機(jī)學(xué)習(xí)算法
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第3章 眾近鄰法
3.1 k近鄰算法
3.2 k近鄰模型
3.3 k近鄰法的實(shí)現(xiàn)：kd樹(shù)
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第4章 樸素貝葉斯法
4.1 樸素貝葉斯法的學(xué)習(xí)與分類(lèi)
4.2 樸素貝葉斯法的參數(shù)估計(jì)
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第5章 決策樹(shù)
第6章 邏輯斯諦回歸與最大熵模型
第7章 支持向量機(jī)
第8章 提升方法
第9章 em算法及其推廣
第10章 隱馬爾可夫模型
第11章 條件隨機(jī)場(chǎng)
第12章 統(tǒng)計(jì)學(xué)習(xí)方法總結(jié)
附錄a 梯度下降法
附錄b 牛頓法和擬牛頓法
附錄c 拉格朗日對(duì)偶性
索引
|
