潍坊科技学院图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

统计机器学习:原理与实践/(美) 理查德·M. 戈尔登著 刘凯 ... [等] 译

出版发行项:

北京:机械工业出版社,2025

ISBN及定价:

978-7-111-77225-5/CNY139.00

载体形态项:

XIV, 362页:图;24cm

统一题名:

Statistical machine learning : a unified framework

丛编项:

智能系统与技术丛书

个人责任者:

戈尔登 (Golden, Richard M.) 著

个人次要责任者:

刘凯 译

学科主题:

机器学习

中图法分类号:

TP181

出版发行附注:

由Taylor & Francis出版集团旗下CRC出版公司授权出版

责任者附注:

理查德·M.戈尔登 (Richard M. Golden), 得克萨斯大学达拉斯分校认知科学教授, 并兼任该校电子工程系教授。在过去三十年间, 戈尔登教授在统计学与机器学习领域发表了大量学术论文, 并在国际学术会议上就广泛议题发表演讲。他的长期研究兴趣包括:确立确定性及随机性机器学习算法的收敛条件, 以及探究存在概率模型误设情况下的估计与推断问题。

书目附注:

有书目 (第346-362页)

提要文摘附注:

本书主要介绍统计机器学习框架, 该框架以基于机器学习算法获得真实数据生成过程 (DGP) 概率分布的最佳近似为前提。统计机器学习框架由一组核心定理支撑, 能够用来分析许多常见机器学习算法对DGP的渐近性。书中通过相关机器学习案例帮助学生理解框架中的核心定理。具体来说, 本书分为四部分: 第一部分通过实例介绍了机器学习算法概念和描述算法的数学工具 ; 第二部分讨论了确定性学习机的渐近行为 ; 第三部分讨论了随机推理机和随机学习机的渐近行为 ; 第四部分关注的是机器学习算法的泛化性能表征问题。

豆瓣简介：