支持嚮量機是數據挖掘中的一個新方法。支持嚮量機能非常成功地處理迴歸問題(時間序列分析)和模式識彆(分類問題、判彆分析)等諸多問題，並可推廣於預測和綜閤評價等領域，因此可應用於理科、工科和管理等多種學科。目前國際上支持嚮量機在理論研究和實際應用兩方麵都正處於飛速發展階段。希望本書能促進它在我國的普及與提高。
本書對象既包括關心理論的研究工作者，也包括關心應用的實際工作者。對於有關領域的具有高等數學知識的實際工作者，略去書中的某些理論部分，仍能對支持嚮量機的本質有一個概括的理解，從而用它解決自己的問題。
本書適閤高等院校高年級學生、研究生、教師和相關科研人員及相關領域的實際工作者使用。
具體描述
讀後感
作者總是重復講同一堆公式，加點東西又講一次，重點都放在比較容易明白的綫性分類上，對於支持嚮量機較難方麵著筆較少。
評分作者總是重復講同一堆公式，加點東西又講一次，重點都放在比較容易明白的綫性分類上，對於支持嚮量機較難方麵著筆較少。
評分最近在做東西又用到SVM，於是把這本書翻齣來再看。作者從基本的優化開始將，而且在前麵著重將SVM的思想解釋齣來，在後麵SVM正式齣場的時候覺得非常一目瞭然，很好理解。這本與英文版SVM introduction寫作方法非常類似，不過英文版的需要有一些數學基礎之後再看，而這裏卻直接把...
評分最近在做東西又用到SVM，於是把這本書翻齣來再看。作者從基本的優化開始將，而且在前麵著重將SVM的思想解釋齣來，在後麵SVM正式齣場的時候覺得非常一目瞭然，很好理解。這本與英文版SVM introduction寫作方法非常類似，不過英文版的需要有一些數學基礎之後再看，而這裏卻直接把...
評分講得淺顯透徹，比國內的很多教材強多瞭。看瞭此書不光學到瞭SVM的知識，我還更加理解為什麼要學最優化和泛函分析。尤其是泛函，以前講到hilbert空間、核函數的時候不明白這些抽象的東西到底有什麼用，現在算是更加深入地理解瞭。
用戶評價
比較清楚地描述瞭SVM的機理：把分類，擬閤等問題變成一個最優化問題來做，算是把SVM中的核理論講清楚瞭：就是把需要用麯綫做的分類映到一個Hilbert空間中，用超平麵來做綫性的分類。
评分很好的SVM入門中文書，後麵還齣瞭第二版
评分文章很好，但是排版經常有錯誤，可惜
评分還不錯。中國人寫書寫成這樣就算很不錯瞭。
评分關於泛化這部分寫得不太好
相關圖書
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 onlinetoolsland.com All Rights Reserved. 本本书屋 版权所有