统计学习方法(第2版)

第1篇监督掌习
第1章统计学习及监督学习概论
1．1统计学习
1．2统计学习的分类
1．2．1基本分类
1．2．2按模型分类
1．2．3按算法分类
1．2．4按技巧分类
1．3统计学习方法三要素
1．3．1模型
1．3．2策略
1．3．3算法
1．4模型评估与模型选择
1．4．1训练误差与测试误差
1．4．2过拟合与模型选择
1．5正则化与交叉验证
1．5．1正则化
1．5．2交叉验证
1．6泛化能力
1．6．1泛化误差
1．6．2泛化误差上界
1．7生成模型与判别模型
1．8监督学习应用
1．8．1分类问题
1．8．2标注问题
1．8．3回归问题
本章概要
继续阅读
习题
参考文献
第2章感知机
2．1感知机模型
2．2感知机学习策略
2．2．1数据集的线性可分性
2．2．2感知机学习策略
2．3感知机学习算法
2．3．1感知机学习算法的原始形式
2．3．2算法的收敛性
2．3．3感知机学习算法的对偶形式
本章概要
继续阅读
习题
参考文献
第3章k近邻法
3．1k近邻算法
3．2k近邻模型
3．2．1模型
3．2．2距离度量
3．2．3k值的选择
3．2．4分类决策规则
3．3k近邻法的实现：kd树
3．3．1构造kd树
3．3．2搜索kd树
本章概要
继续阅读
……
第2篇无监督掌习
附录
索引