这本书来自统计学习课程,这是一门统计机器学习的入门课程,面向具有一些微积分、线性代数和统计学背景的学生。这门课程的重点是监督学习:分类和回归。本课程将涵盖机器学习和数据科学中使用的一系列方法,包括:

  • 线性回归(包括岭回归和Lasso)
  • 通过logistic回归和k近邻进行分类
  • 线性和二次判别分析
  • 回归和分类树(包括套袋林和随机林)
  • Boosting
  • 神经网络和深度学习

这些方法将在整个课程中被研究并应用于来自各种应用的真实数据。课程还涵盖了一些重要的实际问题,如交叉验证、模型选择和偏方差权衡。课程包括理论(例如,推导和证明)以及实践(特别是实验室和小型项目)。实际部分将使用Python实现。

成为VIP会员查看完整内容
150

相关内容

【干货书】管理统计和数据科学原理,678页pdf
专知会员服务
176+阅读 · 2020年7月29日
专知会员服务
67+阅读 · 2020年7月21日
【干货书】《机器学习导论(第二版)》,348页pdf
专知会员服务
238+阅读 · 2020年6月16日
【经典书】机器学习高斯过程,266页pdf
专知会员服务
192+阅读 · 2020年5月2日
干货书《数据科学数学系基础》2020最新版,266页pdf
专知会员服务
314+阅读 · 2020年3月23日
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
329+阅读 · 2020年3月17日
【新书】Pro 机器学习算法Python实现,379页pdf
专知会员服务
195+阅读 · 2020年2月11日
【资源】机器学习数学全书,1900页PDF下载
全球人工智能
146+阅读 · 2019年10月17日
421页《机器学习数学基础》最新2019版PDF下载
12本新书上市
图灵教育
23+阅读 · 2018年6月4日
关于数据挖掘,有几本书推荐给你......
图灵教育
15+阅读 · 2017年10月11日
A Modern Introduction to Online Learning
Arxiv
19+阅读 · 2019年12月31日
Optimization for deep learning: theory and algorithms
Arxiv
102+阅读 · 2019年12月19日
Arxiv
3+阅读 · 2019年8月26日
Arxiv
11+阅读 · 2018年7月8日
Arxiv
6+阅读 · 2018年3月29日
Arxiv
5+阅读 · 2017年12月29日
VIP会员
相关VIP内容
【干货书】管理统计和数据科学原理,678页pdf
专知会员服务
176+阅读 · 2020年7月29日
专知会员服务
67+阅读 · 2020年7月21日
【干货书】《机器学习导论(第二版)》,348页pdf
专知会员服务
238+阅读 · 2020年6月16日
【经典书】机器学习高斯过程,266页pdf
专知会员服务
192+阅读 · 2020年5月2日
干货书《数据科学数学系基础》2020最新版,266页pdf
专知会员服务
314+阅读 · 2020年3月23日
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
329+阅读 · 2020年3月17日
【新书】Pro 机器学习算法Python实现,379页pdf
专知会员服务
195+阅读 · 2020年2月11日
相关论文
A Modern Introduction to Online Learning
Arxiv
19+阅读 · 2019年12月31日
Optimization for deep learning: theory and algorithms
Arxiv
102+阅读 · 2019年12月19日
Arxiv
3+阅读 · 2019年8月26日
Arxiv
11+阅读 · 2018年7月8日
Arxiv
6+阅读 · 2018年3月29日
Arxiv
5+阅读 · 2017年12月29日
微信扫码咨询专知VIP会员