机读格式显示(MARC)

• 000 01651nam 2200361 450

• 001 0000918977

• 005 20210920100700.0

• 010 __ |a 978-7-115-53580-1 |d CNY109.00

• 099 __ |a CAL 012020386770

• 100 __ |a 20201123d2020 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 机器学习提升法 |A ji qi xue xi ti sheng fa |e 理论与算法 |f (美) 罗伯特·夏皮雷, (美) 约夫·弗雷德著 |f = Robert E. Schapire, Yoav Freund |g 沙瀛译

• 210 __ |a 北京 |c 人民邮电出版社 |d 2020

• 215 __ |a 400页 |c 图 |d 26cm

• 225 2_ |a 深度学习系列 |A shen du xue xi xi lie

• 314 __ |a 责任者Schapire汉译姓: 夏皮雷取自书中 ; 责任者Freund规范汉译姓: 弗罗因德

• 320 __ |a 有书目

• 330 __ |a 本书分为4个部分。第一部分给出机器学习算法及其分析的介绍，探究了提升法的核心理论及泛化能力；第二部分介绍了有助于理解和解释提升法的其他理论，包括基于博弈论的解释、贪心算法、迭代投射算法，并与信息几何学和凸优化建立了联系；第三部分介绍了利用基于置信度的弱预测的AdaBoost算法的实用扩展，并用于解决多类别分类问题和排序问题；第四部分讨论了高级理论话题，包括AdaBoost算法、最优提升法和连续时间下的提升法之间的统计一致性。

• 410 _0 |1 2001 |a 深度学习系列

• 500 10 |a Boosting : foundations and algorithms |A Boosting : Foundations And Algorithms |m Chinese

• 517 1_ |a 理论与算法 |A li lun yu suan fa

• 606 0_ |a 机器学习 |A ji qi xue xi |x 算法

• 690 __ |a TP181 |v 5

• 701 _1 |a 夏皮雷 |A xia pi lei |g (Schapire, Robert E.) |4 著

• 701 _1 |a 弗罗因德 |A fu luo yin de |g (Freund, Yoav) |4 著

• 702 _0 |a 沙瀛 |A sha ying |4 译

• 801 _0 |a CN |b SHU |c 20201123

• 905 __ |a JHUD |d TP181/104

• 920 __ |a 242450 |z 1

• 998 __ |a SHU