电子书推荐|读书还可以赢大奖?

长按下方二维码阅读电子全文：

简介：

我们在阅读支持向量机（support vector machine，常简称为SVM）、机器学习领域的论文时常发现他们可能都会引用一本叫《The Nature of Statistical Learning Theory》的书。

本书作者Vladimir N. Vapnik是统计学习理论的创始人，并于1963年与Alexey Ya. Chervonenkis共同提出了SVM的概念。在深度学习算法（2012年）出现之前，SVM也被认为是机器学习中近十年来最成功、表现最好的算法。

Vladimir N. Vapnik于1990年底加入位于美国新泽西Holmdel的AT＆T贝尔实验室，2002年转移到新泽西Princeton的NEC实验室，2014年11月加盟Facebook的人工智能研究团队。1995，2003年起分别兼任英国Royal Holloway伦敦大学计算机和统计学教授，美国纽约哥伦比亚大学计算机教授。2006当选为美国国家工程院院士。

Vapnik教授从事计算机科学、理论与应用统计学研究已有50多年，发表了7部学术著作和上百篇研究论文。他的主要学术成就是研究发展了一套基于经验数据估计依赖关系的一般理论，即统计学习理论，以及在此理论基础上的一种新的学习机器：支持向量机，它具有很高的推广能力。这些理论与方法可以用在很多模式识别和回归估计问题中，并已经在很多实际问题中取得了很好的应用成果。

本书已有中文译本（清华大学出版社出版）。作者的另一本著作《统计学习理论》（Statistical Learning Theory）被电子工业出版社出版并编入“经典译丛·人工智能与智能系统”系列。

吕绍川

统计学院副教授、硕士生导师

研究方向：应用统计

《统计学习理论的本质》一书由统计学习理论的创始人Vladimir N. Vapnik所著，目前该书可检索到的引用已高达一万多次，足见该书在机器学习领域中的至高地位，是机器学习理论研究者案边的必备之书。 而由于领悟统计学习理论是理解具体机器学习方法的必经之路，因此该书对那些仅对具体的构造性机器学习方法感兴趣的实际工作者而言也极有参考价值。

该书以Vapnik-Chervonenkis（VC）理论为统计学习理论的一般数学框架，没有数学证明，只讲述VC理论的概念和主要结果。最后一章讨论了由作者和其合作者Alexey Ya. Chervonenkis于1963年提出的著名的构造性机器学习方法-支持向量机。该方法在深度学习算法出现之前一直被认为是机器学习中近十年来最成功、表现最好的方法。

点击“阅读原文”了解更多活动福利