统计学习

Trevor Hastie , Robert Tibshirani , Martin Wainwright (作者)
机器学习和大数据处理的重要方法;统计领域泰斗新作。
本书全面系统地介绍了统计学习的主要方法,重点是基于稀疏的统计方法,这是目前机器学习和大数据处理的重要方法。具体内容包括:基于稀疏的统计方法的诸多优点,套索和相关方法是如何高效评估参数的,有导学习方法和无导学习方法,如何用一阶数值方法解决大规模数据问题,如何用压缩感知方法分析图像。

收藏本书能做什么?

有情况的时候会收到通知,比如电子书发布等。

出版信息

目录

正在加工……

作者介绍

Trevor Hastie,美国统计学家和计算机科学家,斯坦福大学统计学教授,英国皇家统计学会、国际数理统计协会和美国统计学会会士。Hastie参与开发了 R 中的大部分统计建模软件和环境,发明了主曲线和主曲面。

Robert Tibshirani,斯坦福大学统计学教授,国际数理统计协会、美国统计学会和加拿大皇家学会会士,1996年COPSS总统奖得主,提出lasso方法。Hastie和Tibshirani都是统计学习领域的泰山北斗,两人合著《The Elements of Statistical Learning》,还合作讲授斯坦福大学的公开课《统计学习》。
  • 希望早点翻译完成上架!
    oscarriddle  发表于 2016-12-15 19:33:53
  • 请问这本书已经在翻译了么?
    田俊  发表于 2017-04-23 10:59:29
合作: 博狗博彩 真人赌球 新葡京娱乐场