An Introduction to Support Vector Machines and Other Kernel-based Learning Methods
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár GBP 87.00
-
39 280 Ft (37 410 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 20% (cc. 7 856 Ft off)
- Kedvezményes ár 31 424 Ft (29 928 Ft + 5% áfa)
- A kedvezmény érvényes eddig: 2026. június 30.
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
39 280 Ft
Beszerezhetőség
Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma Repr.
- Kiadó Cambridge University Press
- Megjelenés dátuma 2000. március 23.
- ISBN 9780521780193
- Kötéstípus Keménykötés
- Terjedelem204 oldal
- Méret 249x175x15 mm
- Súly 500 g
- Nyelv angol
- Illusztrációk 12 b/w illus. 5 colour illus. 25 exercises 0
Kategóriák
Rövid leírás:
This is a comprehensive introduction to Support Vector Machines, a generation learning system based on advances in statistical learning theory.
TöbbHosszú leírás:
This is the first comprehensive introduction to Support Vector Machines (SVMs), a generation learning system based on recent advances in statistical learning theory. SVMs deliver state-of-the-art performance in real-world applications such as text categorisation, hand-written character recognition, image classification, biosequences analysis, etc., and are now established as one of the standard tools for machine learning and data mining. Students will find the book both stimulating and accessible, while practitioners will be guided smoothly through the material required for a good grasp of the theory and its applications. The concepts are introduced gradually in accessible and self-contained stages, while the presentation is rigorous and thorough. Pointers to relevant literature and web sites containing software ensure that it forms an ideal starting point for further study. Equally, the book and its associated web site will guide practitioners to updated literature, new applications, and on-line software.
'... the most accessible introduction to the area I have yet seen'. D. J. Hand, Publication of the International Statistical Institute
Tartalomjegyzék:
Preface; 1. The learning methodology; 2. Linear learning machines; 3. Kernel-induced feature spaces; 4. Generalisation theory; 5. Optimisation theory; 6. Support vector machines; 7. Implementation techniques; 8. Applications of support vector machines; Appendix A: pseudocode for the SMO algorithm; Appendix B: background mathematics; Appendix C: glossary; Appendix D: notation; Bibliography; Index.
Több
