統(tǒng)計學(xué)習(xí)方法（第2版）

第1篇 監(jiān)督掌習(xí)
第1章 統(tǒng)計學(xué)習(xí)及監(jiān)督學(xué)習(xí)概論
1．1 統(tǒng)計學(xué)習(xí)
1．2 統(tǒng)計學(xué)習(xí)的分類
1．2．1 基本分類
1．2．2 按模型分類
1．2．3 按算法分類
1．2．4 按技巧分類
1．3 統(tǒng)計學(xué)習(xí)方法三要素
1．3．1 模型
1．3．2 策略
1．3．3 算法
1．4 模型評估與模型選擇
1．4．1 訓(xùn)練誤差與測試誤差
1．4．2 過擬合與模型選擇
1．5 正則化與交叉驗證
1．5．1 正則化
1．5．2 交叉驗證
1．6 泛化能力
1．6．1 泛化誤差
1．6．2 泛化誤差上界
1．7 生成模型與判別模型
1．8 監(jiān)督學(xué)習(xí)應(yīng)用
1．8．1 分類問題
1．8．2 標(biāo)注問題
1．8．3 回歸問題
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
2．2．1 數(shù)據(jù)集的線性可分性
2．2．2 感知機(jī)學(xué)習(xí)策略
2．3 感知機(jī)學(xué)習(xí)算法
2．3．1 感知機(jī)學(xué)習(xí)算法的原始形式
2．3．2 算法的收斂性
2．3．3 感知機(jī)學(xué)習(xí)算法的對偶形式
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第3章 k近鄰法
3．1 k近鄰算法
3．2 k近鄰模型
3．2．1 模型
3．2．2 距離度量
3．2．3 k值的選擇
3．2．4 分類決策規(guī)則
3．3 k近鄰法的實現(xiàn)：kd樹
3．3．1 構(gòu)造kd樹
3．3．2 搜索kd樹
本章概要
繼續(xù)閱讀
……
第2篇 無監(jiān)督掌習(xí)
附錄
索引