成功加入购物车
[美] 瓦普尼克 著; 张学工 译 / 清华大学出版社 / 2000-09 / 平装
售价 ¥ 45.00
品相 九品
优惠 满包邮
延迟发货说明
上书时间2023-03-04
卖家超过10天未登录
统计学习理论的本质
统计学习理论是针对小样本情况研究统计学习规律的理论,是传统统汁学的重要发展和补充,为研究有限样本情况下机器学习的理论和方法提供了理论框架,其核心思想是通过控制学习机器的容量实现对推广能力的控制。在这一理论中发展出的支持向量机方法是一种新的通用学习机器,较以往方法表现出很多理论和实践上的优势。《统计学习理论的本质》是该领域的权威著作,着重介绍了统计学习理论和支持向量机的关键思想、结论和方法,以及该领域的最新进展。《统计学习理论的本质》的读者对象是在信息科学领域或数学领域从事有关机器学习和函数估计研究的学者和科技人员,也可作为模式识别、信息处理、人工智能、统计学等专业的研究生教材。
译序第二版前言第一版前言0引论:学习问题研究的四个阶段0.1Rosenblatt的感知器(60年代)0.1.1感知器模型0.1.2对学习过程分析的开始0.1.3对学习过程的应用分析与理论分析0.2学习理论基础的创立(60-70年代)0.2.1经验风险最小化原则的理论0.2.2解决不适定问题的理论0.2.3密度估计的非参数方法0.2.4算法复杂度的思想0.3神经网络(80年代)0.3.1神经网络的思想0.3.2理论分析目标的简化0.4回到起点(90年代)第一章学习问题的表示1.1函数估计模型1.2风险最小化问题1.3三种主要的学习问题1.3.1模式识别1.3.2回归估计1.3.3密度估计(Fisher-wald表示)1.4学习问题的一般表示1.5经验风险最小化归纳原则1.6学习理论的四个部分非正式推导和评述——11.7解决学习问题的传统模式1.7.1密度估计问题(最大似然方法)1.7.2模式识别(判别分析)问题1.7.3回归估计模型1.7.4最大似然法的局限1.8密度估计的非参数方法1.9 用有限数量信息解决问题的基本原则1.10 基于经验数据的风险最小化模型1.11 随机逼近期间第二章学习过程的一致性2.1 传统性的一致性和非平凡一致性概念2.2 学习理论的关键定理2.3 一致双边收敛的充分必要条件2.4 一致单边收敛的充分必要条件2.5 不可证伪性理论2.6 关于不可证伪性的这定理2.7 学习理论的三个里程碑非正式指导和评述——22.8 概率论和统计学的基本问题2.9 估计概率测度的两种方式2.10 概率测度的强方式估计与官度估计问题2.11Glivenko-Cantelli及其推广2.12 归纳的数学理论第三章学习过程收敛速度的界3.1 基本不等式3.2 对实函数集的推广……第四章控制学习过程的推广能力第五章模式识别的方法第六章函数估计的方法第七章统计学习理论中的直接方法第八章邻域风险最小化原则与SVM第九章结论:什么是学习理论中重要的?参考文献及评述索引
展开全部
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30