|
| 編輯推薦： |
这本经典入门教材不仅引入了学习支持向量机所需的高等数学，更是帮助读者从直觉上理解数学公式背后的原理。
两位英国科学家作者是国际上极富盛名的人工智能专家。
|
| 內容簡介： |
支持向量机（Support Vector Machine，SVM）是建立在弗拉基米尔万普尼克（Vladimir Vapnik）提出的统计学习理论基础上的一种使用广泛的机器学习方法。这本简明导论教程对支持向量机及其理论基础进行了全面的介绍。书中从机器学习方法论讲到超平面、核函数、泛化理论、优化理论，*后总结到支持向量机理论，并介绍了其实现技术及应用。本书的叙述循序渐进，内容深入浅出，既严谨又易于理解。书中清晰的条理、富于逻辑性的推导以及优美的文字，备受初学者和专家的赞许。本书可作为计算机、自动化、电子工程、应用数学等专业的高年级本科生或研究生教材，也可作为机器学习、人工智能、神经网络、数据挖掘等课程的参考教材，同时还是相关领域的教师和研究人员的参考书。
支持向量机（Support Vector Machine，SVM）是建立在弗拉基米尔万普尼克（Vladimir Vapnik）提出的统计学习理论基础上的一种使用广泛的机器学习方法。这本简明导论教程对支持向量机及其理论基础进行了全面的介绍。书中从机器学习方法论讲到超平面、核函数、泛化理论、优化理论，*后总结到支持向量机理论，并介绍了其实现技术及应用。本书的叙述循序渐进，内容深入浅出，既严谨又易于理解。书中清晰的条理、富于逻辑性的推导以及优美的文字，备受初学者和专家的赞许。本书可作为计算机、自动化、电子工程、应用数学等专业的高年级本科生或研究生教材，也可作为机器学习、人工智能、神经网络、数据挖掘等课程的参考教材，同时还是相关领域的教师和研究人员的参考书。
此书是世界图书出版公司香农信息科学经典系列图书中的一种。这个书系包含信息科学各个领域的图书，如信息论、通信与网络、信号处理、机器学习、理论计算机科学、量子信息科学等。香农信息科学经典以被世人称为数字时代之父和信息时代之父的克劳德香农（Claude E. Shannon, 1916.4.30 2001.2.24）为名。书系的策划者为从香农所在的美国麻省理工学院归国的信息科学家。书系中除了包含信息领域传统分支的图书，还包括像人工智能的信息论方法与信息科学中的博弈论等前沿交叉学科的子系列。关于书系与香农的更多介绍，请见世图公号文章《一个新书系的诞生香农、信息时代与香农信息科学经典》。
|
| 關於作者： |
内洛克里斯蒂安尼尼（Nello Cristianini）目前是英国布里斯托尔大学计算机科学系的人工智能教授。他获得过英国皇家学会沃尔夫森杰出研究成就奖和欧洲研究理事会高阶研究基金奖。2014年他被汤森路透列入2002至2012十年间最具影响力的科学家名单，2016年被AMiner列入机器学习领域最具影响力的百位研究者名单。
约翰肖泰勒（John Shawe-Taylor）目前是英国伦敦大学学院联合国教科文组织人工智能讲席教授，并担任计算机科学系系主任和计算统计和机器学习中心主任。他还协调组织了多个机器学习欧洲联合研究项目，比如NeuroCOLT（神经计算学习）项目和PASCAL（模式分析、统计建模与计算学习）项目。
|
| 目錄：
|
Preface
The Learning Methodology
Linear Learning Machines
Kernel-induced Feature Spaces
Generalisation Theory
Optimisation Theory
Support Vector Machines
Implementation Techniques
Applications of Support Vector Machines
Appendix A： Pseudocode for the SMO Algorithm
Appendix B： Background Mathematics
References
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
