暂无评论
统计学习基础数据挖掘、推理与预测
【内容介绍】 统计学习理论是针对小样本情况研究统计学习规律的理论，是传统统 汁学的重要发展和补充，为研究有限样本情况下机器学习的理论和方法提 供了理论框架，其核心思想是通过控制学习机器的容量实现对推广
STAA-577--统计学习和数据挖掘 统计学习和数据挖掘课程
The basis of statistical learning - data mining, reasoning and forecasting.pdf
试题的难度系数是自动生成考试试卷、影响考试质量的一个重要因素。然而，如何准确确定试题的难度系数是考试系统的一个难点。提出将试题的难度系数分为理论难度系数G和样本难度系数Gk，并将序列{Gk}构造到Hi
数理统计初级教程，统计学习方法，PRML，统计学习理论本质，高等数理统计； 机器学习，深度学习，数据挖掘统计学基础经典教材，可至豆瓣看评分； 世界顶级计算机科学家，数学经典之作；
不确定环境下的风险决策通常用概率函数来描述事件的随机性，作为概率函数的推广，信度函数比概率函数能够更好地描述不确定信息，所适用的范围更为广泛。在随机集的框架下研究了基于信度函数的决策方法，并将其应用到
统计学习元素（The Elements of Statistical Learning） by Trevor Hastie, Robert Tibshirani, Jerome Friedman ht
详细介绍支持向量机、Boosting、最大熵、条件随机场等十个统计学习方法
颜色分类leetcode DS-ML-书籍该存储库包括有关数据科学、机器学习和统计方法的书籍。这些书是：统计学习的要素(ESL)作者：Trevor Hastie、Robert Tibshirani和J
暂无评论