《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。