|
000
|
01924nam 2200337 450
|
|
001
|
2441860164
|
|
010
|
|
@a978-7-300-32689-4@dCNY59.00
|
|
100
|
|
@a20240722d2024 em y0chiy0120 ea
|
|
101
|
0
|
@achi
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aak a 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@a大数据挖掘与统计机器学习@Ada shu ju wa jue yu tong ji ji qi xue xi@d= Big data mining and statistical machine learning@f吕晓玲, 宋捷编著@zeng
|
|
205
|
|
@a第3版
|
|
210
|
|
@a北京@c中国人民大学出版社@d2024.07
|
|
215
|
|
@a267页@c图@d26cm
|
|
225
|
2
|
@a新编21世纪研究生系列教材@Axin bian 21 shi ji yan jiu sheng xi lie jiao cai@i应用统计硕士 (MAS)
|
|
314
|
|
@a吕晓玲, 中国人民大学统计学院教授, 博士生导师, 副院长; 中国人民大学数据挖掘中心主任。本科与硕士毕业于南开大学数学系概率统计专业, 博士毕业于香港城市大学管理科学系。奥地利林茨约翰·开普勒大学应用统计系以及美国加州大学伯克利分校统计系访问学者。宋捷, 首都经济贸易大学统计学院副教授。本科与硕士毕业于四川大学数学系概率统计专业, 博士毕业于中国人民大学统计学院。主要讲授大数据挖掘与统计机器学习、大数据分析案例等课程。
|
|
320
|
|
@a有书目 (第263-267页)
|
|
330
|
|
@a本书介绍了大数据挖掘与统计机器学习领域中最常用的模型和算法, 包括最基础的线性回归与分类方法, 以及模型评价与选择的概念和方法, 进而介绍了非线性回归与分类方法 (包括决策树与组合方法、支持向量机、神经网络以及在此基础上发展的深度学习方法)。此外, 介绍了无监督学习中的聚类方法, 并给出了一个大数据分析的实例。除了方法的理论讲解之外, 我们还给出了每种方法的Python实现。
|
|
410
|
0
|
@12001 @a新编21世纪研究生系列教材@i应用统计硕士 (MAS)
|
|
510
|
1
|
@aBig data mining and statistical machine learning@zeng
|
|
586
|
|
@a
|
|
606
|
0
|
@a数据处理@Ashu ju chu li@x研究生@j教材
|
|
606
|
0
|
@a机器学习@Aji qi xue xi@x研究生@j教材
|
|
690
|
|
@aTP274@v5
|
|
690
|
|
@aTP181@v5
|
|
701
|
0
|
@a吕晓玲@Alv xiao ling@4编著
|
|
701
|
0
|
@a宋捷@Asong jie@4编著
|
|
801
|
0
|
@aCN@c20240722
|
|
905
|
|
@dTP274@eL900=3@f1@sTP274/L900=3@S@Z
|
|
|
|
|
| |
| 大数据挖掘与统计机器学习= Big data mining and statistical machine learning/吕晓玲, 宋捷编著.-第3版.-北京：中国人民大学出版社，2024.07 |
| 267页：图；26cm.-(新编21世纪研究生系列教材.应用统计硕士 (MAS)) |
| |
| |
| ISBN 978-7-300-32689-4：CNY59.00 |
| 本书介绍了大数据挖掘与统计机器学习领域中最常用的模型和算法, 包括最基础的线性回归与分类方法, 以及模型评价与选择的概念和方法, 进而介绍了非线性回归与分类方法 (包括决策树与组合方法、支持向量机、神经网络以及在此基础上发展的深度学习方法)。此外, 介绍了无监督学习中的聚类方法, 并给出了一个大数据分析的实例。除了方法的理论讲解之外, 我们还给出了每种方法的Python实现。 |
| ● |
正题名：大数据挖掘与统计机器学习
索取号：TP274/L900=3
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
21617021
|
216170211
|
自科库301/301自科库 42排5列2层/
[索取号:TP274/L900=3]
|
在馆
|
|
