统计学习方法（pdf+epub+mobi+txt+azw3）

随着人工智能和大数据在社会各行各业的广泛应用，统计学习方法已经成为人们急需了解与掌握的热门知识与技术。本书为具有高等数学、线性代数和概率统计基础知识的人们提供了一本统计机器学习的基本读物。2012年的*版叙述了一批重要和常用的主要是监督学习的方法，受到广大读者的欢迎，已加印十三万多册。第二版主要增加了无监督学习的内容，包括近十种统计学习方法，使读者能够更好地了解和掌握统计机器学习这门新兴学科。

 

统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。
本书分为监督学 习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。
包括感知机、k 近邻法、朴素贝 叶斯法、决策树、逻辑斯谛回归与*熵模型、
支持向量机、提升方法、EM 算法、隐马尔可夫 模型和条件随机场，以及聚类方法、
奇异值分解、主成分分析、潜在语义分析、概率潜在语义分 析、马尔可夫链蒙特卡罗法、
潜在狄利克雷分配和 PageRank 算法等。除有关统计学习、监督学 习和无监督学习的概
论和总结的四章外，每章介绍一种方法。叙述力求从具体问题或实例入手， 由浅入深，
阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。 
为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，
列出了主要参 考文献。 本书是统计机器学习及相关课程的教学参考书，
适用于高等院校文本数据挖掘、信
息检索及自然语言处理等专业的大学生、
研究生，也可供从事计算机应用相关专业的研发人员 参考。
 

李航，男，毕业于日本京都大学电气电子工程系，日本东京大学获得计算机科学博士学位。北京大学、南京大学兼职教授。曾任日本NEC公司中央研究所研究员，微软亚洲研究院高级研究员与主任研究员、华为技术有限公司诺亚方舟实验室主任。现任今日头条人工智能实验室主任。