统计学习要素：机器学习中的数据挖掘、推断与预测（第2版）

《统计学习要素：机器学习中的数据挖掘、推断与预测(第2版)》是机器学习领域的经典教材之一，本书作者元庆生教授在统计学和机器学习领域有着丰富的研究经验和深厚的学术功底。全书共18 章，主题包括监督学习、回归的线性方法、分类的线性方法、基展开和正则化、核光滑方法、模型评估和选择、模型推断和平均、加性模型、树和相关方法、Boosting 和加性树、神经网络、支持向量机和柔性判断、原型方法和最近邻、非监督学习、随机森林、集成学习、无向图模型和高维问题等。此外，本书通过通用的概念框架，介绍了数据挖掘、机器学习、生物信息学等领域的重要思想和概念，使读者对这些领域有更为全面的认识。 本书的特点： 1.内容全面全面涵盖了机器学习领域的多个方向，能够使读者对相关领域有更为全面的认识； 2.实用性强书中大量的实例和算法都是经过仔细挑选和论证的，在实际应用中具有一定的参考价值； 3.通俗易懂作者在书中力求通俗易懂，注重概念的讲解，帮助读者理解本书的内容； 4.经典权威这是一本经典的统计学习教材，得到了广大学术界和企业界的认可和追捧。 如果你想进入机器学习领域，或者想了解这一领域的新研究进展，那么这本《统计学习要素：机器学习中的数据挖掘、推断与预测(第2版)》将是你不容错过的图书。