目錄
第一章：導(dǎo)言
第二章：監(jiān)督學(xué)習(xí)的綜述
第三章：回歸的線性方法
第四章：分類的線性方法
第五章：基本的擴(kuò)展和正則化
第六章：核光滑方法
第七章：模型評估與選擇
第八章：模型推論與平均
第九章：補(bǔ)充的模型、樹以及相關(guān)的方法
第十章：Boosting和Additive Trees
第十一章：神經(jīng)網(wǎng)絡(luò)
第十二章：支持向量機(jī)和靈活的判別式
第十三章：原型方法和鄰近算法
第十四章：非監(jiān)督學(xué)習(xí)
第十五章：隨機(jī)森林
第十六章：實(shí)例學(xué)習(xí)
第十七章：無向圖模型
第十八章：高維問題
第一章：導(dǎo)言
- 統(tǒng)計學(xué)習(xí)的類別：
- 監(jiān)督學(xué)習(xí)
- 非監(jiān)督學(xué)習(xí)
- 真實(shí)例子
- 垃圾電子郵件（分類問題）
- 前列腺癌（回歸問題）
- 手寫數(shù)字識別（分類問題）
- 基因表達(dá)微陣列（回歸問題）
-
本書的組織結(jié)構(gòu)
- 第二章：監(jiān)督學(xué)習(xí)概要
- 第三~四章：討論回歸和分類的線性方法
- 第五章：描述對單個自變量的樣條，小波和正則/懲罰方法
- 第六章：描述核方法和局部回歸（高維學(xué)習(xí)技術(shù)的基石）
- 第七章：模型評估和選擇，包括偏差和方差，過擬合和用于選擇模型用的交叉驗(yàn)證
- 第八章：討論模型推斷與平均，概要介紹極大似然法、貝葉斯推斷、自助法、EM算法、吉布斯抽樣和bagging
- 第九~十一章：介紹回歸
- 第十二~十三章：介紹分類
- 第十四章：非監(jiān)督學(xué)習(xí)方法
- 第十五章：隨機(jī)森林
- 第十六章：集成學(xué)習(xí)
- 第十七章：無向圖模型
- 第十八章：高維問題學(xué)習(xí)
