李航 日本京都大学电气工程系毕业,日本东京大学计算机科学博士。曾任职于日本NEC公司中央研究所,微软亚洲研究院高级研究员及主任研究员,现任华为诺亚方舟实验室首席科学家。北京大学、南开大学、西安交通大学客座教授。研究方向包括信息检索、自然语言处理、统计机器学习及数据挖掘。
发表于2024-11-02
统计学习方法(第2版) 2024 pdf epub mobi 电子书
五一空闲时看了第一章的概论和第二章的感知机。一个感觉这本书很基础,它没有侃那么深的道理,一章也就是10多页,不像《PGM》那样的书首先给人一种压力,加之又是国人写的,感觉很近人。这些理论性知识也弥补了自己对某些算法理解的模糊性,很适合像我们这样堆积知识的人看。
评分坦诚的讲,如果不是冲着作者的学术地位我不会去买这本书的。当然买回来=了也不后悔,书总体来说还是很好的,特别是针对目前国内几乎没有一本原创机器学习方法教材。但是,在我看来,由于作者平时写文献做报告也大多是英语,另外由于其长期在外企研究单位工作,所以我想作者也还...
评分这本和统计学习导论哪本更适合非科班的工科生呢?另外推断统计里的卡方检验这些和统计学习是什么区别?目录里好像没看到有 t 检验 F检验这些东西,求高人解答,剩下的是为了凑够140字,为啥还不够,还不够,无语了,我还是再多打几个吧,晕,还没够,这和微博比起来两个都是脑...
评分最初拿到手就觉得整本书都是公式,扫了一遍,发现看起来很吃力! 现在重新再看多一遍,并将里面的算法自己实现了一遍,已经看完第五章了,照着书里的算法逻辑与步骤自己动手后觉得还是可以搞懂一些的 附:本人的学习笔记博客 http://www.cnblogs.com/juefan/p/3843560.html
图书标签: 机器学习 统计学习 人工智能 李航 计算机 计算机科学 计算科学 MachineLearning
统计学习方法即机器学习方法,是计算机及其应用领域的一门重要学科。本书分为监督学 习和无监督学习两篇,全面系统地介绍了统计学习的主要方法。包括感知机、k 近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM 算法、隐马尔可夫模型和条件随机场,以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和 PageRank 算法等。除有关统计学习、监督学习和无监督学习的概论和总结的四章外,每章介绍一种方法。叙述力求从具体问题或实例入手, 由浅入深,阐明思路,给出必要的数学推导,便于读者掌握统计学习方法的实质,学会运用。 为满足读者进一步学习的需要,书中还介绍了一些相关研究,给出了少量习题,列出了主要参考文献。 本书是统计机器学习及相关课程的教学参考书,适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生,也可供从事计算机应用相关专业的研发人员参考。
CRF真的是天敌。
评分已然98一本了 不知道是知识涨价了 还是出版业无奈的挣扎 只能理解着去图书馆抢资源了。
评分相比第1版主要增加了无监督学习方法的内容。这次读第2版,一些之前读第1版时没看明白的推导内容有了豁然开朗的感觉。所以还是要多看多思考,一遍不懂就多看多练几遍。全书精炼明了,有几章偏NLP,因为NLP接触不太多,所以有些地方理解也不太深刻。还需继续多结合实际问题进行思考和应用。
评分从第二篇无监督学习开始新内容
评分从第二篇无监督学习开始新内容
统计学习方法(第2版) 2024 pdf epub mobi 电子书