支持向量机（SVM）是在统计学习理论的基础上发展起来的新一代学习算法，它在文本分类、手写识别、图像分类、生物信息学等领域中获行较好的应用。本书是第一本综合介绍支持向量机（SVM）的书籍，它从机器学习算法的基本问题开始，循序渐进地介绍相关的背景知识，包括线性分类器、核函数特征空间、推广性理论和优化理论，在此基础上很自然地引出了支持向量机的算法。本书末尾还详细讨论了一系列支持向量机的重要应用及其实现的技巧。本书的叙述清晰严谨，自包含性强，提供的大量相关文献引用以及网站链接可作为进一步学习的理想起始点。本书可作为计算机、自动化、机电工程、应用数学等专业的研究生教材，也可作为神经网络、机器学习、数据挖掘、人工智能等课程的参考教材，同时还是相关领域的教师和研究人员的参考书。
具体描述
读后感
对比英文版，此中文版的翻译可以用离谱来形容！我都忍不住想爆粗口了！这种垃圾翻译也出版！…………………………………………………………………………………………………………………………………………………………………………………………
评分我写的模式识别算法库NPatternRecognizer(http://npatternrecognizer.codeplex.com/) 支持向量机那部分就很大程度上参照了这本书。
评分我写的模式识别算法库NPatternRecognizer(http://npatternrecognizer.codeplex.com/) 支持向量机那部分就很大程度上参照了这本书。
评分我写的模式识别算法库NPatternRecognizer(http://npatternrecognizer.codeplex.com/) 支持向量机那部分就很大程度上参照了这本书。
评分对比英文版，此中文版的翻译可以用离谱来形容！我都忍不住想爆粗口了！这种垃圾翻译也出版！…………………………………………………………………………………………………………………………………………………………………………………………
用户评价
非常好的SVM入门！
评分找个时间好好读读，再用用LIBSVM软件包，如可能看看源码
评分eqwerewr
评分2️⃣.1 第一次用思维导图的方式来看书，感觉很好。薄薄的一本书，精简，随之而来的毛病就是难懂。
评分我以为是需要一些相关的数学知识才容易看懂，下面有人评价说是翻译太烂的原因，好吧...至少有一句“高维特征空间的困难是很不幸的”我是很想吐槽的...而且，由于没有看懂，我几乎把这本书抄了一大部分...=_=
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.wenda123.org All Rights Reserved. 图书目录大全 版权所有