机读格式显示(MARC)

• 000 01885nam 2200349 450

• 001 0000715266

• 005 20240812142900.0

• 010 __ |a 978-7-5192-9686-5 |d CNY238.00

• 100 __ |a 20231012e20232009em y0chiy50 ba

• 101 0_ |a eng

• 102 __ |a CN |b 110000

• 105 __ |a ak a 001yy

• 106 __ |a r

• 200 1_ |a The elements of statistical learning |A The Elements Of Statistical Learning |e data mining, inference, and prediction |f Trevor Hastie, Robert Tibshirani, Jerome Friedman |d = 统计学习基础 |e 机器学习中的数据挖掘、推断与预测 |f (美) 特雷弗·哈斯蒂, 罗伯特·蒂布希拉尼, 杰罗姆·弗里德曼著 |z chi

• 205 __ |a 全彩英文版 |b 影印版

• 210 __ |a 北京 |c 世界图书出版公司 |d 2023

• 215 __ |a 745页 |c 图 (部分彩图) |d 24cm

• 225 2_ |a 香农信息科学经典 |A xiang nong xin xi ke xue jing dian |i “机器学习”系列

• 304 __ |a 题名与责任者取自封面

• 320 __ |a 有书目 (第699-727页) 和索引

• 324 __ |a 影印自原书第2版

• 330 __ |a 本书是Springer统计系列丛书之一, 旨在让读者深入了解数据挖掘和预测。随着计算机和信息技术迅猛发展, 医学、生物学、金融、以及市场等各个领域的大量数据的产生, 处理这些数据以及挖掘它们之间的关系对于一个统计工作者显得尤为重要。本书运用共同的理论框架将这些领域的重要观点做了很好的阐释, 重点强调方法和概念基础而非理论性质, 运用统计的方法更是突出概念而非数学。另外, 书中大量的彩色图例可以帮助读者更好地理解概念和理论。目次: 导论; 监督学习概述; 线性回归模型; 线性分类方法; 基展开与正则性。

• 410 _0 |1 2001 |a 香农信息科学经典 |i “机器学习”系列

• 510 1_ |a 统计学习基础 |e 机器学习中的数据挖掘、推断与预测 |z chi

• 517 1_ |a Data mining, inference,and prediction

• 606 0_ |a 统计学 |A tong ji xue |x 英文

• 690 __ |a C8 |v 5

• 701 _1 |a 哈斯蒂 |A ha si di |g (Hastie, Trevor) |4 著

• 701 _1 |a 蒂布希拉尼 |A di bu xi la ni |g (Tibshirani, Robert) |4 著

• 701 _1 |a 弗里德曼 |A fu li de man |g (Friedman, Jerome) |4 著

• 801 _0 |a CN |b WFKJXY |c 20240812

• 905 __ |a WFKJXY |d C8/272*