内容简介
《 统计 学习 基础: 数据 挖掘、 推理 与预测》介绍了这些领域的一些重要概念。尽管应用的是统计学 方法 ，但强调的是概念，而不是 数学 。许多例子附以彩图。《统计学习基础:数据挖掘、推理与预测》内容广泛，从有指导的学习（预测）到无指导的学习，应有尽有。包括 神经网络 、支持向量机、分类树和提升等主题，是同类书籍中介绍得最全面的。计算和 信息 技术 的飞速发展带来了 医学 、 生物学 、 财经 和 营销 等诸多领域的海量数据。理解这些数据是一种挑战，这导致了统计学领域新工具的发展，并延伸到诸如数据挖掘、机器学习和 生物 信息学等新领域。许多工具都具有共同的基础，但常常用不同的术语来表达。
Trevor Hastie, Robert Tibshirani, and Jerome Friedman are professors of statistics at Stanford University. They are prominent researchers in this area: Hastie and Tibshirani developed generalized additive models and wrote a popular book of that title. Hastie co-developed much of the statistical modeling soft ware and environment in R/S-PLUS and invented principal curves and surf...
评论列表
发表评论