内容简介
本书是统计学习领域的经典教材，全面系统地介绍了统计学习的主要方法，特别是监督学习方法。全书共分为17章，涵盖了感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型、条件随机场等核心内容。每章都从原理、算法、实现和应用等多个维度深入讲解，并配有丰富的例题和习题，帮助读者巩固理解。
第2版在第1版的基础上进行了全面修订和扩充，新增了深度学习、无监督学习等前沿内容，并对原有章节进行了优化和更新。本书注重理论与实践的结合，在讲解数学原理的同时，也给出了算法的具体实现步骤和Python代码示例，便于读者动手实践。作者李航博士是自然语言处理和机器学习领域的知名专家，曾任职于微软、百度等知名企业，他的讲解深入浅出，逻辑清晰，非常适合作为计算机、人工智能及相关专业的研究生或高年级本科生教材，也适合广大研究人员和工程师参考学习。
目录
作者简介
彩插
内容简介
献给
第1篇 监督学习
第1章 统计学习及监督学习概论
第2章 感知机
第3章 k近邻法
第4章 朴素贝叶斯法
第5章 决策树
第6章 逻辑斯谛回归与最大熵模型
第7章 支持向量机
第8章 提升方法
第9章 EM算法及其推广
第10章 隐马尔可夫模型
第11章 条件随机场
第12章 监督学习方法总结
第2篇 无监督学习
第13章 无监督学习概论
第14章 聚类方法
彩插
内容简介
献给
第1篇 监督学习
第1章 统计学习及监督学习概论
第2章 感知机
第3章 k近邻法
第4章 朴素贝叶斯法
第5章 决策树
第6章 逻辑斯谛回归与最大熵模型
第7章 支持向量机
第8章 提升方法
第9章 EM算法及其推广
第10章 隐马尔可夫模型
第11章 条件随机场
第12章 监督学习方法总结
第2篇 无监督学习
第13章 无监督学习概论
第14章 聚类方法
免责申明：
1. 本站分享的所有书籍均来源于自互联网，我们只进行收集整理，并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告，这并不是本站所为，请注意甄别。
3. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，没有任何商业目的。
4. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48时间内予以删除。
1. 本站分享的所有书籍均来源于自互联网，我们只进行收集整理，并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告，这并不是本站所为，请注意甄别。
3. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，没有任何商业目的。
4. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48时间内予以删除。
📖 支持知识自由流动
这本书的持续提供，需要服务器运行成本支持（约 3.7元/小时）
