书目信息 |
| 题名： |
机器学习提升法
|
|
| 作者： | 夏皮雷 ， 弗雷德 著 ；沙灜 译 | |
| 分册： | ||
| 出版信息： | 北京 人民邮电出版社 2020.10 |
|
| 页数： | 400页 | |
| 开本： | 26cm | |
| 丛书名： | 深度学习系列 | |
| 单 册： | ||
| 中图分类： | TP181 | |
| 科图分类： | ||
| 主题词： | 机器学习--ji qi xue xi--算法 | |
| 电子资源： | ||
| ISBN： | 978-7-115-53580-1 | |
| 000 | 01410nam 2200313 450 | |
| 001 | CAL 0120203086239 | |
| 005 | 20201014161253.4 | |
| 010 | @a978-7-115-53580-1@dCNY109.00 | |
| 100 | @a20201014d2020 em y0chiy0120 ea | |
| 101 | 1 | @achi@ceng |
| 102 | @aCN@b110000 | |
| 105 | @aa a 000yy | |
| 106 | @ar | |
| 200 | 1 | @a机器学习提升法@Aji qi xue xi ti sheng fa@e理论与算法@f(美) 罗伯特·夏皮雷, 约夫·弗雷德著@g沙灜译 |
| 210 | @a北京@c人民邮电出版社@d2020.10 | |
| 215 | @a400页@c图@d26cm | |
| 225 | 2 | @a深度学习系列@Ashen du xue xi xi lie |
| 314 | @a罗伯特·夏皮雷, 纽约微软主任研究员。约夫·弗雷德, 加利福尼亚大学圣迭戈分校计算机科学与工程系教授。 | |
| 320 | @a有书目 | |
| 330 | @a本书共14章, 分为4个部分。首先给出机器学习算法及其分析的概要介绍, 然后一部分重点探究了提升法的核心理论及其泛化能力。二部分主要介绍了有助于理解和解释提升法的其他理论, 包括基于博弈论的解释、贪心算法、迭代投算法, 并与信息几何学和凸优化建立了联系。三部分主要介绍利用基于置信度的弱预测的AdaBoost算法的实用扩展, 并用于解决多类别分类问题和排序问题。 | |
| 410 | 0 | @12001 @a深度学习系列 |
| 517 | 1 | @a理论与算法@Ali lun yu suan fa |
| 606 | 0 | @a机器学习@Aji qi xue xi@x算法 |
| 690 | @aTP181@v5 | |
| 701 | 1 | @a夏皮雷@Axia pi lei@g(Schapire, Robert E.)@4著 |
| 701 | 1 | @a弗雷德@Afu lei de@g(Freund, Yoav)@4著 |
| 702 | 0 | @a沙灜@Asha ying@4译 |
| 801 | 0 | @aCN@b人天书店@c20201014 |
| 905 | @aTSG@b0002135@dTP181@eX195@f1 | |
| 机器学习提升法：理论与算法/(美) 罗伯特·夏皮雷, 约夫·弗雷德著/沙灜译.-北京：人民邮电出版社，2020.10 |
| 400页：图；26cm.-(深度学习系列) |
| ISBN 978-7-115-53580-1：CNY109.00 |
| 本书共14章, 分为4个部分。首先给出机器学习算法及其分析的概要介绍, 然后一部分重点探究了提升法的核心理论及其泛化能力。二部分主要介绍了有助于理解和解释提升法的其他理论, 包括基于博弈论的解释、贪心算法、迭代投算法, 并与信息几何学和凸优化建立了联系。三部分主要介绍利用基于置信度的弱预测的AdaBoost算法的实用扩展, 并用于解决多类别分类问题和排序问题。 |
| ● |
| 相关链接 |
|
|
|
正题名：机器学习提升法
索取号：TP181/X195
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 1549443 | 215494436 | 自科库301/301自科库 39排5列3层/ [索取号:TP181/X195] | 在馆 |