机读格式显示(MARC)

• 000 01622m 220000361 45450

• 001 0000468201

• 005 20240422095500.0

• 010 __ |a 978-7-5192-9692-6 |d CNY139.00

• 099 __ |a CAL 012023056270

• 100 __ |a 20230511e2023 em y0chiy50 ba

• 101 0_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a a 001yy

• 106 __ |a r

• 200 1_ |a 支持向量机 |d = Support vector machines |f Ingo Steinwart, Andreas Christmann |A Support Vector Machines |f (德) 英戈·斯坦沃特, 安德烈亚斯·克里斯特曼著 |z chi

• 205 __ |a 英文版 |b 影印本

• 210 __ |a 北京 |c 世界图书出版公司 |d 2023

• 215 __ |a xvi, 601页 |c 图 |d 24cm

• 225 2_ |a 香农信息科学经典 |A xiang nong xin xi ke xue jing dian |i “机器学习”系列

• 225 2_ |a “机器学习”系列 |A “Ji Qi Xue Xi”Xi Lie

• 304 __ |a 题名与责任者取自封面

• 320 __ |a 有书目 (第553-577页) 和索引

• 330 __ |a 本书旨在解释使支持向量机 (SVMs) 成为各种应用的成功建模和预测工具的原理。书中通过展示支持向量机的基本概念, 以及最新发展和当前的研究问题来实现这一目标。本书分析了支持向量机成功的至少三个原因: 它们在只有少量自由参数的情况下很好地学习的能力, 它们对几种类型的模型违反和异常值的鲁棒性, 最后是它们的计算效率与其他几种方法进行的比较。

• 333 __ |a 本书适用于向量计算机学习者

• 410 _0 |1 2001 |a 香农信息科学经典 |i “机器学习”系列

• 410 _0 |1 2001 |a “机器学习”系列

• 510 1_ |a Support vector machines

• 606 0_ |a 向量计算机 |A xiang liang ji suan ji |j 英文

• 690 __ |a TP38 |v 5

• 701 _1 |a 斯坦沃特 |A si tan wo te |g (Steinwart, Ingo) |4 著

• 701 _1 |a 克里斯特曼 |A ke li si te man |g (Christmann, Andreas) |4 著

• 801 _0 |a CN |b 湖北三新 |c 20230221

• 905 __ |a AUSTL |d TP38/S795