点此进入淘宝搜索页搜索　　參考價格: 点此进入淘宝搜索页搜索
　　分類: 图书,社会科学,统计学,统计方法,
　　品牌: Vladimir N.Vapnik

基本信息·出版社：电子工业出版社

·页码：559 页

·出版日期：2009年

·ISBN：7121083728/9787121083723

·条形码：9787121083723

·包装版本：1版

·装帧：平装

·开本：16

·正文语种：中文

·丛书名：国外计算机科学教材系列

·外文书名：Statistical Learning Theory

产品信息有问题吗？请帮我们更新产品信息。

内容简介《统计学习理论》的创立者是Vladimir N. Vapnik。统计学习理论是研究利用经验数据进行机器学习的一种一般理论，属于计算机科学、模式识别和应用统计学相交叉与结合的范畴。统计学习理论的基本内容诞生于20世纪60~70年代，到90年代中期发展到比较成熟并受到世界机器学习界的广泛重视，其核心内容反映在Vapnik的两部重要著作中，《统计学习理论》即是其中一部，另一部是“The Nature of Statistical Learning Theory”（《统计学习理论的本质》）。 由于较系统地考虑了有限样本的情况，统计学习理论与传统统计学理论相比有更好的实用性，在这一理论下发展出的支持向量机（SVM）方法以其有限样本下良好的推广能力而备受重视。

编辑推荐统计学习理论是研究利用经验数据进行机器学习的一种一般理论，属于计算机科学、模式识别和应用统计学相交叉与结合的范畴，其主要创立者是《统计学习理论》的作者Vladimir N·Vapnik。统计学习理论的基本内容诞生于20世纪60-70年代，到90年代中期发展到比较成熟并受到世界机器学习界的广泛重视，其核心内容反映在Vapnik的两部重要著作中，《统计学习理论》即是其中一部。由于较系统地考虑了有限样本的情况，统计学习理论与传统统计学理论相比有更好的实用性，在这一理论下发展出的支持向量机（SVM）方法以其有限样本下良好的推广能力而备受重视。

《统计学习理论》是对统计学习理论和支持向量机方法的全面、系统、详尽的阐述，是各领域中研究和应用机器学习理论与方法的科研工作者和研究生的重要参考资料。

文摘插图：

同于经验风险泛函的泛函。这一部分理论的目标是找出这些泛函的显式表示形式。

4.算法的理论。最后，要有一个学习算法的理论。这一部分理论的目标是发展最小化描述折衷思想的泛函的工具。为了最小化泛函，必须发展相应的算法，它们既能在给定的函数集上控制经验风险的最小化，又能以合适的容量控制选择函数集的选取。

在本书中，我们将考察基于经验数据最小化风险泛函的理论的所有部分。

我们也将考察求解随机不适定问题的理论，并用它来估计密度、条件密度和条件概率。该理论描述解一致性的充分条件，以及在某些情况中解的渐近收敛速率。当然，如果算法采用有限样本，渐近理论的结果不足以保证算法取得成功。在这一理论框架下，我们的希望是，理论中所建立的渐近性质对于不是很大的也成立。

表1.1说明了学习理论的结构及其在本书中的表达方式。

.

 

 

免责声明：本文为网络用户发布，其观点仅代表作者个人观点，与本站无关，本站仅提供信息存储服务。文中陈述内容未经本站证实，其真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。