A Probabilistic Theory of Pattern Recognition (Stochastic Modelling and Applied Probability) pdf epub mobi txt 电子书 下载 2025
- 机器学习
- 模式识别
- pattern_recognition
- Statistics
- 概率论与统计学
- 统计学习
- 统计
- 计算机技术
A self-contained and coherent account of probabilistic techniques, covering: distance measures, kernel rules, nearest neighbour rules, Vapnik-Chervonenkis theory, parametric classification, and feature extraction. Each chapter concludes with problems and exercises to further the readers understanding. Both research workers and graduate students will benefit from this wide-ranging and up-to-date account of a fast- moving field.
具体描述
读后感
评分
评分
评分
评分
用户评价
从nonparametric statistics的角度研究机器学习算法，主要关注点是算法的consistency（是否能渐进逼近Bayes error），主要使用的工具是几个中心不等式（尤其是Vapnik-Chervonenkis不等式），分析的算法包括最近邻、histogram、决策树等。书中有不少脑洞很大的证明，刚开始看还是挺吃力的。习题都很难，还没有答案。唯一的缺憾是太老了，毕竟是二十年前出版的。
评分Another rigorous textbook on learning theory. Focus on the nonparametric methods. Highly recommended!
评分这本书可以cite到很多folklore，基础理论值得反复重读。minimax部分非常系统。
评分从nonparametric statistics的角度研究机器学习算法，主要关注点是算法的consistency（是否能渐进逼近Bayes error），主要使用的工具是几个中心不等式（尤其是Vapnik-Chervonenkis不等式），分析的算法包括最近邻、histogram、决策树等。书中有不少脑洞很大的证明，刚开始看还是挺吃力的。习题都很难，还没有答案。唯一的缺憾是太老了，毕竟是二十年前出版的。
评分从nonparametric statistics的角度研究机器学习算法，主要关注点是算法的consistency（是否能渐进逼近Bayes error），主要使用的工具是几个中心不等式（尤其是Vapnik-Chervonenkis不等式），分析的算法包括最近邻、histogram、决策树等。书中有不少脑洞很大的证明，刚开始看还是挺吃力的。习题都很难，还没有答案。唯一的缺憾是太老了，毕竟是二十年前出版的。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 qciss.net All Rights Reserved. 小哈图书下载中心 版权所有