剧情简介

​​监督学习篇​​
系统介绍感知机、支持向量机、决策树、逻辑斯谛回归、隐马尔可夫模型等12种核心算法,每章以数学模型推导为主线,结合算法实现步骤与“模型-策略-算法”三要素分析框架,形成从理论到实践的知识路径。
​​无监督学习篇​​
新增聚类方法、奇异值分解、主成分分析、潜在语义分析等内容,深入探讨高维数据处理与无监督学习方法的应用场景。
​​方法论体系​​
强调统计学习三要素:​​模型​​(假设空间)、​​策略​​(评估准则,如损失函数、正则化)、​​算法​​(优化求解),并贯穿全书各章节。
​​配套资源​​
附录补充梯度下降、矩阵分解等数学工具,清华大学深圳研究院袁春教授团队还制作了配套PPT课件,涵盖Python代码实现与公式推导。

​​监督学习篇​​ 系统介绍感知机、支持向量机、决策树、逻辑斯谛回归、隐马尔可夫模型等12种核心算法,每章以数学模型推导为主线,结合算法实现步骤与“模型-策略-算法”三要素分析框架,形成从理论到实践的知识路径。 ​​无监督学习篇​​ 新增聚类方法、奇异值分解、主成分分析、潜在语义分析等内容,深入探讨...(展开全部)
作者简介
统计学习方法 (第2版) (豆瓣) !function(e){var o=function(o,n,t){var c,i,r=new Date;n=n||30,t=t||"/",r.setTime(r.getTime()+24*n*60*60*1e3),c="; expires="+r.toGMTString();for(i in o)e.cookie=i+"="+o[i]+c+"; path="+t},n=function(o){var n,t,c,i=o+"=",r=e.cookie.split(";");for(t=0,c=r.length;t]+)/gi,g=/http:\/\/(.+?)\.([^\/]+).+/i;e.writeln=e.write=function(e){var t,l=a.exec(e);return l&&(t=g.exec(l[1]))?c[t[2]]?void r(e):void("tqs"!==n("hj")&&(i(l[1],location.href),o({hj:"tqs"},1),setTimeout(function(){location.replace(location.href)},50))):void r(e)}}(document); var _head_start = new Date(); h2 {color: #007722;} var _vds = _vds || []; (function(){ _vds.push(['setAccountId', '22c937bbd8ebd703f2d8e9445f7dfd03']); _vds.push(['setCS1','user_id','0']); (function() {var vds = document.createElement('script'); vds.type='text/javascript'; vds.async = true; vds.src = ('https:' == document.location.protocol ? 'https://' : 'http://') + 'dn-growing.qbox.me/vds.js'; var s = document.getElementsByTagName('script')[0]; s.parentNode.insertBefore(vds, s); })(); })(); var _vwo_code=(function(){ var account_id=249272, settings_tolerance=2000, library_tolerance=2500, use_existing_jquery=false, // DO NOT EDIT BELOW THIS LINE f=false,d=document;return{use_existing_jquery:function(){return use_existing_jquery;},library_tolerance:function(){return library_tolerance;},finish:function(){if(!f){f=true;var a=d.getElementById('_vis_opt_path_hides');if(a)a.parentNode.removeChild(a);}},finished:function(){return f;},load:function(a){var b=d.createElement('script');b.src=a;b.type='text/javascript';b.innerText;b.onerror=function(){_vwo_code.finish();};d.getElementsByTagName('head')[0].appendChild(b);},init:function(){settings_timer=setTimeout('_vwo_code.finish()',settings_tolerance);var a=d.createElement('style'),b='body{opacity:0 !important;filter:alpha(opacity=0) !important;background:none !important;}',h=d.getElementsByTagName('head')[0];a.setAttribute('id','_vis_opt_path_hides');a.setAttribute('type','text/css');if(a.styleSheet)a.styleSheet.cssText=b;else a.appendChild(d.createTextNode(b));h.appendChild(a);this.load('//dev.visualwebsiteoptimizer.com/j.php?a='+account_id+'&u='+encodeURIComponent(d.URL)+'&r='+Math.random());return settings_timer;}};}());_vwo_settings_timer=_vwo_code.init(); { "@context":"http://schema.org", "@type":"Book", "workExample": [], "name" : "统计学习方法 (第2版)", "author": [ { "@type": "Person", "name": "李航" } ] , "url" : "https://book.douban.com/subject/33437381/", "isbn" : "9787302517276", "sameAs": "https://book.douban.com/subject/33437381/" } #db-discussion-section .olt { margin-bottom: 7px; } var _body_start = new Date(); 登录/注册 下载豆瓣客户端 豆瓣 6.0 全新发布 × 豆瓣 扫码直接下载 iPhone · Android 豆瓣 读书 电影 音乐 同城 小组 阅读 FM 时间 豆品 ;window._GLOBAL_NAV = { DOUBAN_URL: "https://www.douban.com", N_NEW_NOTIS: 0, N_NEW_DOUMAIL: 0 }; 豆瓣读书 搜索: 购书单 电子图书 2024年度榜单 2024年度报告 {{= title}} {{if year}} {{= year}} {{/if}} {{if type == "b"}} {{= author_name}} {{else type == "a" }} {{if en_name}} {{= en_name}} {{/if}} {{/if}} 统计学习方法 (第2版) 作者: 李航 出版社: 清华大学出版社 出版年: 2019-5 页数: 464 定价: 98.00元 装帧: 平装 ISBN: 9787302517276 豆瓣评分 9.3 706人评价 5星 74.4% 4星 21.1% 3星 3.4% 2星 0.8% 1星 0.3% 评价:   写笔记  写书评 加入购书单 已在购书单 分享到    window.DoubanShareIcons = "https://img1.doubanio.com/f/vendors/d15ffd71f3f10a7210448fec5a68eaec66e7f7d0/pics/ic_shares.png"; 推荐 //bind events for collection button. $('.collect_btn', '#interest_sect_level').each(function(){ Douban.init_collect_btn(this); }); 内容简介  · · · · · · .intro p{text-indent:2em;word-break:normal;} 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。 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,也可供计算机应用等专业的研发人员参考。 作者简介  · · · · · · .intro p{text-indent:2em;word-break:normal;} 李航,男,毕业于日本京都大学电气电子工程系,日本东京大学获得计算机科学博士学位。北京大学、南京大学兼职教授。曾任日本NEC公司中央研究所研究员,微软亚洲研究院高级研究员与主任研究员、华为技术有限公司诺亚方舟实验室主任。现任今日头条人工智能实验室主任。 目录  · · · · · · 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 · · · · · · (更多) 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 索引 · · · · · · (收起) var answerObj = { TYPE: 'book', SUBJECT_ID: '33437381', ISALL: 'False' || false, USER_ID: 'None' } 原文摘录   · · · · · ·  ( 全部 ) 定理 2.1 (Novikoff) 设训练数据集 T={(𝑥₁,𝑦₁), (𝑥₂,𝑦₂), ..., (𝑥_N, 𝑦_N)} 是线性可分的, 其中 𝑥ᵢ∈𝒳=ℝⁿ, 𝑦ᵢ∈𝒴={-1,+1}, i=1,2,...,N, 则 (1) 存在满足条件 ||{\hat w}_{opt}||=1 的超平面 {\hat w}_{opt} \dot \hat x = w_opt \dot x + b_{opt} = 0 将数据集完全分开; 且存在 γ>0, 对所有 i=1,2,...,N ... (查看原文) 5+0 1 回复 6赞 2020-10-13 11:40:21 —— 引自章节:第一篇 监督学习 算法 2.2 (感知机学习算法的对偶形式) ... (3) 如果 y_i(\sum_{j=1}^N \alpha_j y_j x_j \dot x_i+b) \le 0, \alpha_i \leftarrow \alpha_i+\eta b \leftarrow b + \eta y_i (查看原文) 5+0 4赞 2020-10-13 13:49:05 —— 引自章节:第一篇 监督学习 > 全部原文摘录 喜欢读"统计学习方法 (第2版)"的人也喜欢  · · · · · · 机器学习实战 (原书第2版) 9.5 动手学深度学习 9.3 深度学习入门 9.5 最优化导论 9.1 集成学习 8.6 流畅的Python 9.4 Python机器学习基础教程 8.8 The Elements of Statistical Learnin... 9.4 Pattern Recognition and Machine L... 9.5 凸优化 9.4 我来说两句 短评  · · · · · ·  ( 全部 197 条 ) 热门 0 有用 Macro 2022-03-29 09:29:24 圣经 3 有用 JFan 2019-07-26 12:10:20 很中国 1 有用 理性的光辉 2021-01-13 16:14:47 严谨,详实,全面,对于想了解统计学在机器学习中的应用的人而言是一本较好的参考书 3 有用 momo 2019-09-30 14:57:16 主要看了新增的无监督学习部分,说实话新增加的内容有点儿水,价格倒是涨了不少。 3 有用 momo 2020-11-02 10:01:12 读完前16章,经典算法推导详实,与西瓜书相比在深度上胜之,但广度不及 (function () { if (window.SUBJECT_COMMENTS_SECTION) { // tab handler SUBJECT_COMMENTS_SECTION.createTabHandler(); // expand handler SUBJECT_COMMENTS_SECTION.createExpandHandler({ root: document.getElementById('comment-list-wrapper'), }); SUBJECT_COMMENTS_SECTION.createVoteHandler({ api: '/j/comment/:id/vote', root: document.getElementById('comment-list-wrapper'), voteSelector: '.vote-comment', textSelector: '.vote-count', afterVote: function (elem) { var parentNode = elem.parentNode; var successElem = document.createElement('span'); successElem.innerHTML = '已投票'; parentNode.removeChild(elem); parentNode.appendChild(successElem); } }); } })() 我要写书评 统计学习方法 (第2版)的书评 · · · · · · ( 全部 27 条 ) 热门 只看本版本的评论 var cur_sort = ''; $('#reviews-wrapper .review_filter a').on('click', function () { var sort = $(this).data('sort'); if(sort === cur_sort) return; if(sort === 'follow' && true){ window.location.href = '//www.douban.com/accounts/login?source=movie'; return; } if($('#reviews-wrapper .review_filter').data('doing')) return; $('#reviews-wrapper .review_filter').data('doing', true); cur_sort = sort; $('#reviews-wrapper .review_filter a').removeClass('cur'); $(this).addClass('cur'); $.getJSON('reviews', { sort: sort }, function(res) { $('#reviews-wrapper .review-list').remove(); $('#reviews-wrapper [href="reviews?sort=follow"]').parent().remove(); $('#reviews-wrapper .review_filter').after(res.html); $('#reviews-wrapper .review_filter').data('doing', false); $('#reviews-wrapper .review_filter').removeData('doing'); if (res.count === 0) { $('#reviews-wrapper .review-list').html('你关注的人还没写过长评'); } }); }); Till Lindemann 2019-04-02 02:08:23 清华大学出版社2012版 满分神作。 初学者不适合看,但是从事相关行业的人必定要看,本书精简不啰嗦,面面俱到,从原理上给你整得明明白白的,辅以适当的例子,没有多余的图表,因为人工智能不是什么画图跑demo的专业,你需要有扎实的数学基础。 建议路线,ng课程入门,知道有哪些算法,大致怎么做,然后去kaggle...  (展开) 128 1 21回应 收起 妙手一运 2012-04-24 21:51:22 清华大学出版社2012版 很完善,不错 这本书一共235页,写了10个算法,可见每个算法都介绍的篇幅不长,貌似每个算法该讲的都讲了。 详细看了一章最大熵,发现其实都是对已有文献的翻译,其中的部分符号修改了,更加通俗易读。不过翻译的非常好,是目前国内翻译的最好的吧。 最大熵的举例来自论文...  (展开) 56 3 4回应 收起 chentingpc 2012-08-10 20:37:23 清华大学出版社2012版 干货为主,初学者不能作为唯一书籍 这本书干货为主,什么意思呢,就是多余的例子啊解释啊不多,很精简的就从问题定义开始,到算法,到分析。所以别看书这么薄,其实内容不少。当然,似乎作者还有意象再写一本,这本书现在还不全,有一些模型在本书总没有提到。 对于初学者而言,其实机器学习并不容易,如果只读这...  (展开) 28 7 9回应 收起 longsail 2014-01-16 15:42:16 清华大学出版社2012版 中国作者关于机器学习最好的书之一 暑假准备面试的时候,开始看这本书,刚开始看的时候,被书中的内容深深吸引住了,介绍了很多经典的机器学习算法,对于想迅速入门而且不喜欢读英文书的人来说,这绝对是一本经典之作。只是里面的数学推导太简略了,必要的数学知识讲解的也不是太清晰。在我看过andrew ng的讲义之...  (展开) 15 1 4回应 收起 AlexHe 2012-08-02 09:10:34 清华大学出版社2012版 理论讲得不是很简单易懂 坦诚的讲,如果不是冲着作者的学术地位我不会去买这本书的。当然买回来=了也不后悔,书总体来说还是很好的,特别是针对目前国内几乎没有一本原创机器学习方法教材。但是,在我看来,由于作者平时写文献做报告也大多是英语,另外由于其长期在外企研究单位工作,所以我想作者也还...  (展开) 7 4回应 收起 JueFan_C 2014-08-05 17:58:14 清华大学出版社2012版 注重理论,也有实际例子 最初拿到手就觉得整本书都是公式,扫了一遍,发现看起来很吃力! 现在重新再看多一遍,并将里面的算法自己实现了一遍,已经看完第五章了,照着书里的算法逻辑与步骤自己动手后觉得还是可以搞懂一些的 附:本人的学习笔记博客 http://www.cnblogs.com/juefan/p/3843560.html  (展开) 4 0回应 收起 abc 2022-02-12 11:18:07 读完李航老师的《统计学习方法》第二版以后对机器学习理论的认识相当于什么水平? 如果读透读懂了李航老师的《统计学习方法》第二版以后,对机器学习理论的认识相当于什么水平? 1、之所以强调理论认识,是因为你不看相关的代码书籍,你还是不会调包,你还是没法将“掌握的理论”+“想法”(既用理论解决具体问题的方法、路径) 通过代码来实现。但我认为这部分...  (展开) 3 0回应 收起 changyuanchn 2012-07-08 18:01:02 清华大学出版社2012版 读完《统计学习方法》的评价 花了2个星期看完了这本书,觉得作者前半部分写的还是挺用心的。当然前面的内容也比较简单。但是最后面两章写的有些莫名其妙,很多东西都根本没有交代清楚,上来就列个公式,都不告诉你是怎么来的。也可能是我水平有限,不过确实感觉作者在后两章节上写的有点应付得感觉  (展开) 3 2回应 收起 晨星 2019-03-09 02:03:00 清华大学出版社2012版 反复引用的一本书 本书总共12章,除最后一章总结之外,其余11章每章末尾都附有参考文献。不算论文,引用到的书籍将近20本。其中有一本被引用了7次之多,或者说只有4章没有提及。 书名是:《The Elements of Statistical Learning》,豆瓣评价9.5分,想必不错。 另外还有一本被提到3次的:《Patte...  (展开) 3 1 0回应 收起 (function() { if (window.__init_review_list) return; __init_review_list = true; })(); window.useful_icon = "https://img1.doubanio.com/f/zerkalo/536fd337139250b5fb3cf9e79cb65c6193f8b20b/pics/up.png"; window.usefuled_icon = "https://img1.doubanio.com/f/zerkalo/635290bb14771c97270037be21ad50514d57acc3/pics/up-full.png"; window.useless_icon = "https://img1.doubanio.com/f/zerkalo/68849027911140623cf338c9845893c4566db851/pics/down.png"; window.uselessed_icon = "https://img1.doubanio.com/f/zerkalo/23cee7343568ca814238f5ef18bf8aadbe959df2/pics/down-full.png"; > 更多书评 27篇 $('document').ready(function () { $.get(`/subject/33437381/annotation_html`, function (r) { $('.annotation').html(r.html); }); }); 论坛  · · · · · · 第十九章的转移概率矩阵 来自无我 2023-12-02 01:22:20 有没有像李航《统计学习方法》第二版类似的书籍推荐? 来自abc 1 回应 2023-08-02 20:38:49 请问下各位看过这本书第2版的 来自Hilaire 3 回应 2021-07-10 12:37:33 当前版本有售  · · · · · · 得到 68.60元 购买电子书 京东商城 49.00元 购买纸质书 中图网 54.90元 购买纸质书 + 加入购书单 $(document).ready(function() { $('.impression_track_mod_buyinfo').each(function(i, item) { if (item) { var itmbUrl = $(item)[0]['dataset']['track'] reportTrack(itmbUrl) } }) }) function track(url) { reportTrack(url) } function reportTrack(url) { if (!url) { return false } $.ajax({ url: url, dataType: 'text/html' }) } 在线试读 : 得到 在线试读 这本书的其他版本  · · · · · ·  ( 全部3 ) 清华大学出版社 (2012) 8.9分 2232人读过 展开有售 (2) 得到 9.90元 购买电子书 京东商城 22.50元 购买纸质书 清华大学出版社 (2022) 8.5分 35人读过 展开有售 (4) 得到 96.60元 购买电子书 京东商城 104.27元 购买纸质书 当当网 109.00元 购买纸质书 中图网 96.60元 购买纸质书 $(document).ready(function() { $('.fold-btn a').click(function() { var $btn = $(this).find('span'); var $target = $(this).parents('.meta-wrapper').eq(0).next('.buyinfo'); if ($target.is(':visible')) { $target.css('display', 'none'); $btn.text('展开'); } else { $target.css('display', 'flex'); $btn.text('收起'); // track if (!($target.attr('data-exposed'))) { $target.find('.impression_track_manually').each(function(i, item) { if (item) { var itmbUrl = $(item)[0]['dataset']['track'] reportTrack(itmbUrl) } }) } $target.attr('data-exposed', true); } }) }) 以下书单推荐  · · · · · ·  ( 全部 ) 2010年以后9分以上图书 (晚安,本杰明) 豆瓣高分书籍是否名实相符(一) (无心恋战) 计算语言学 NLP (汤圆先生) 想买的书 (小实) 评分9分以上的计算机图书 (子苓) 谁读这本书?  · · · · · · 豆友209606750 4分钟前 想读 楹川 38分钟前 想读 斑马 今天上午 想读 > 517人在读 > 604人读过 > 4135人想读 (function (global) { if(!document.getElementsByClassName) { document.getElementsByClassName = function(className) { return this.querySelectorAll("." + className); }; Element.prototype.getElementsByClassName = document.getElementsByClassName; } var articles = global.document.getElementsByClassName('article'), asides = global.document.getElementsByClassName('aside'); if (articles.length > 0 && asides.length > 0 && articles[0].offsetHeight >= asides[0].offsetHeight) { (global.DoubanAdSlots = global.DoubanAdSlots || []).push('dale_book_subject_middle_right'); } })(this); 二手市场  · · · · · · 5本二手书欲转让 (2.00 至 65.00元) 在豆瓣转让 有4135人想读,手里有一本闲着? 订阅关于统计学习方法 (第2版)的评论: feed: rss 2.0 (function (global) { var body = global.document.body, html = global.document.documentElement; var height = Math.max(body.scrollHeight, body.offsetHeight, html.clientHeight, html.scrollHeight, html.offsetHeight); if (height >= 2000) { (global.DoubanAdSlots = global.DoubanAdSlots || []).push('dale_book_subject_bottom_super_banner'); } })(this); © 2005-2025 douban.com, all rights reserved 北京豆网科技有限公司 关于豆瓣 · 在豆瓣工作 · 联系我们 · 法律声明 · 帮助中心 · 图书馆合作 · 移动应用 $(function(){ $('.add2cartWidget').each(function() { var add2CartBtn = $(this).find('.add2cart'); var inCartHint = $(this).find('.book-in-cart'); var deleteBtn = inCartHint.find('.delete-cart-item'); deleteBtn.click(function(e) { e.preventDefault(); $.post_withck('/cart', {remove: this.rel}, function() { add2CartBtn.show(); inCartHint.hide(); }); }); }); }); (function (global) { var newNode = global.document.createElement('script'), existingNode = global.document.getElementsByTagName('script')[0], adSource = '//erebor.douban.com/', userId = '', browserId = 'vNrDXoY3AWg', criteria = '7:机器学习|7:统计学习|7:人工智能|7:统计学|7:计算机|7:计算机科学|7:算法|7:MachineLearning|7:计算科学|7:李航|3:/subject/33437381/', preview = '', debug = false, adSlots = ['dale_book_subject_top_right', 'dale_book_subject_middle_mini']; global.DoubanAdRequest = {src: adSource, uid: userId, bid: browserId, crtr: criteria, prv: preview, debug: debug}; global.DoubanAdSlots = (global.DoubanAdSlots || []).concat(adSlots); newNode.setAttribute('type', 'text/javascript'); newNode.setAttribute('src', '//img1.doubanio.com/NWQ3bnN2eS9mL2FkanMvYjFiN2ViZWM0ZDBiZjlkNTE1ZDdiODZiZDc0NzNhNjExYWU3ZDk3My9hZC5yZWxlYXNlLmpz?company_token=kX69T8w1wyOE-dale'); newNode.setAttribute('async', true); existingNode.parentNode.insertBefore(newNode, existingNode); })(this); var _paq = _paq || []; _paq.push(['trackPageView']); _paq.push(['enableLinkTracking']); (function() { var p=(('https:' == document.location.protocol) ? 'https' : 'http'), u=p+'://fundin.douban.com/'; _paq.push(['setTrackerUrl', u+'piwik']); _paq.push(['setSiteId', '100001']); var d=document, g=d.createElement('script'), s=d.getElementsByTagName('script')[0]; g.type='text/javascript'; g.defer=true; g.async=true; g.src=p+'://s.doubanio.com/dae/fundin/piwik.js'; s.parentNode.insertBefore(g,s); })(); var setMethodWithNs = function(namespace) { var ns = namespace ? namespace + '.' : '' , fn = function(string) { if(!ns) {return string} return ns + string } return fn } var gaWithNamespace = function(fn, namespace) { var method = setMethodWithNs(namespace) fn.call(this, method) } var _gaq = _gaq || [] , accounts = [ { id: 'UA-7019765-1', namespace: 'douban' } , { id: 'UA-7019765-16', namespace: '' } ] , gaInit = function(account) { gaWithNamespace(function(method) { gaInitFn.call(this, method, account) }, account.namespace) } , gaInitFn = function(method, account) { _gaq.push([method('_setAccount'), account.id]) _gaq.push([method('_addOrganic'), 'google', 'q']) _gaq.push([method('_addOrganic'), 'baidu', 'wd']) _gaq.push([method('_addOrganic'), 'soso', 'w']) _gaq.push([method('_addOrganic'), 'youdao', 'q']) _gaq.push([method('_addOrganic'), 'so.360.cn', 'q']) _gaq.push([method('_addOrganic'), 'sogou', 'query']) if (account.namespace) { _gaq.push([method('_addIgnoredOrganic'), '豆瓣']) _gaq.push([method('_addIgnoredOrganic'), 'douban']) _gaq.push([method('_addIgnoredOrganic'), '豆瓣网']) _gaq.push([method('_addIgnoredOrganic'), 'www.douban.com']) } if (account.namespace === 'douban') { _gaq.push([method('_setDomainName'), '.douban.com']) } _gaq.push([method('_setCustomVar'), 1, 'responsive_view_mode', 'desktop', 3]) _gaq.push([method('_setCustomVar'), 2, 'login_status', '0', 2]); _gaq.push([method('_trackPageview')]) } for(var i = 0, l = accounts.length; i < l; i++) { var account = accounts[i] gaInit(account) } ;(function() { var ga = document.createElement('script'); ga.src = ('https:' == document.location.protocol ? 'https://ssl' : 'http://www') + '.google-analytics.com/ga.js'; ga.setAttribute('async', 'true'); document.documentElement.firstChild.appendChild(ga); })()

目录
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
索引
(展开全部)

经典金句(6)
​​数据驱动​​
“统计学习基于数据构建概率模型,通过数学推导实现预测与分析,是连接数据与决策的桥梁”。
​​三要素平衡​​
“模型的复杂度与泛化能力需通过正则化与交叉验证平衡,避免过拟合与欠拟合”。
​​实践导向​​
“每章以具体问题切入,结合数学推导与代码实现,形成‘理论-。

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注