同类推荐
-
-
深度强化学习算法原理与实战：基于MATLAB
-
¥109.00
-
-
Vibe编程:探索AI时代编程新范式
-
¥69.80
-
-
Kimi实战精粹
-
¥69.90
-
-
人工智能物联网应用:基于树莓派
-
¥49.00
-
-
人工智能物联网应用:基于树莓派
-
¥49.00
-
-
人工智能物联网应用:基于树莓派
-
¥49.00
-
-
人人都需要的通用智能体助手:Manus+扣子空间+秒哒…
-
¥79.00
-
-
AIGC基础与应用:微课版
-
¥68.00
-
-
这就是MCP
-
¥79.80
-
-
豆包实战精粹
-
¥69.90
|
|
图书信息
|
|
|
|
统计机器学习:原理与实践:a unified framework
|
| ISBN： | 9787111772255 |
定价： | ￥139.00 |
| 作者： | (美)理查德·M.戈尔登(Richard M. Golden)著 |
出版社： | 机械工业出版社 |
| 出版时间： | 2025年03月 |
开本： | 24cm |
| 页数： | 14,362页 |
中图法： | TP181 |
相关供货商
|
供货商名称
|
库存量
|
库区
|
更新日期
|
|
北京人天书店有限公司
|
85
|
库区13/库区4/库区7/样本13/样本4/样本7
|
2025-08-28
|
|
其它供货商库存合计
|
500
|
|
2025-08-28
|
图书简介 | | 本书主要介绍统计机器学习框架，该框架以基于机器学习算法获得真实数据生成过程(DGP)概率分布的最佳近似为前提。统计机器学习框架由一组核心定理支撑，能够用来分析许多常见机器学习算法对DGP的渐近性。书中通过相关机器学习案例帮助学生理解框架中的核心定理。具体来说，本书分为四部分：第一部分通过实例介绍了机器学习算法概念和描述算法的数学工具；第二部分讨论了确定性学习机的渐近行为；第三部分讨论了随机推理机和随机学习机的渐近行为；第四部分关注的是机器学习算法的泛化性能表征问题。 |
|