《統計學習要素：機器學習中的數據挖掘、推斷與預測(第2版)》
在一個通用的概念框架中描述通用於數據挖掘、機器學習和生物信息學等領域的重要思想和概念。
這些統計學範疇下的概念是人工智能與機器學習的基礎。
全書共18 章，主題包括監督學習、回歸的線性方法、分類的線性方法、基展開和正則化、
核光滑方法、模型評估和選擇、模型推斷和平均、加性模型、樹和相關方法、
Boosting 和加性樹、神經網絡、支持向量機和柔性判斷、原型方法和最近鄰、
非監督學習、隨機森林、集成學習、無向圖模型和高維問題等。
《統計學習要素：機器學習中的數據挖掘、推斷與預測(第2版)》主題全面，
是一本經典的統計學習教材，適合本科高年級學生和研究生使用和參考。
統計學習要素：機器學習中的數據挖掘、推斷與預測, 2/e (The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2/e)
- 作者： [美]特雷弗·哈斯蒂 [美]羅伯特·提佈施拉尼 [美]傑羅姆· 弗雷曼 著 張軍平 譯
- 譯者： [美]特雷弗·哈斯蒂 [美]羅伯特·提佈施拉尼 [美]傑羅姆· 弗雷曼 著 張軍平
- 出版社： 清華大學
- 出版日期： 2021-01-01
- ISBN碼： 9787302557395
- 編號： 9787302557395
$ 906 元
原價 906