大内密探零零发的linux之路

统计学习基础卿来云中科院研究生课程ppt,卿来云，副教授。研究方向，多媒体技术。现为中国科学院研究生院信息科学与工程学院副教授。目前主要从事计算机视觉与多媒体技术方面的研究与开发工作。2005年6月获计算机软件与理论专业博士学位，2005年7月进入中国科学院研究生院信息学院工作。在国内外各种重要学术刊物和学术会议上发表论文20余篇。现承担国家863项目《基于生物感知认知的视觉神经信息编码技术的研究》和国家自然科学基金项目《基于时间振荡相关与空间整合编码的视觉感知-眼动控制神经网络系统的模拟研究与应用》。

《统计学习基础:数据挖掘、推理与预测》介绍了这些领域的一些重要概念。尽管应用的是统计学方法，但强调的是概念，而不是数学。许多例子附以彩图。《统计学习基础:数据挖掘、推理与预测》内容广泛，从有指导的学习（预测）到无指导的学习，应有尽有。包括神经网络、支持向量机、分类树和提升等主题，是同类书籍中介绍得最全面的。计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战，这导致了统计学领域新工具的发展，并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础，但常常用不同的术语来表达。

《统计学习方法》是计算机及其应用领域的一门重要的学科。《统计学习方法》全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、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等。除第1章概论和最后一章总结外，每章介绍一种方法。叙述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。

中文版的AT89S52说明文件