您的當前位置:全部分類圖書 > 工業技術 > 其它

機器學習

作者:周志華 出版社:清華大學
定 價
售 價
配送至
收貨地址
其他地址
數量
-
+
服務
  • 出版社:清華大學
  • ISBN:9787302423287
  • 作者:周志華
  • 頁數:425
  • 出版日期:2016-01-01
  • 印刷日期:2016-01-01
  • 包裝:平裝
  • 開本:16開
  • 版次:1
  • 印次:1
  • 字數:626千字
  • 機器學習
    擊敗AlphaGo的武林秘籍,贏得人機大戰的必由之路:人工智能大牛周志華教授巨著,全面揭開機器學習的奧秘
    大數據智能(互聯網時代的機器學習和自然語言處理技術)
    本書是一本介紹大數據智能分析的科普書籍, 旨在讓*多的人了解和學習互聯網時代的機器學習和自 然語言處理技術,以期讓大數據技術*好地為我們的生產和生活服務。
  • 機器學習是計算機科學的重要分支領域。周志華 編寫的《機器學習》作為該領域的入門教材,在內容 上盡可能涵蓋機器學習基礎知識的各方面。全書共16 章,大致分為3個部分:第1部分(第l~3章)介紹機器 學習的基礎知識;第2部分(第4~10章)討論一些經典 而常用的機器學習方法(決策樹、神經網絡、支持向 量機、貝葉斯分類器、集成學習、聚類、降維與度量 學習);第3部分(第11~16章)為進階知識,內容涉及 特征選擇與稀疏學習、計算學習理論、半監督學習、 概率圖模型、規則學習以及強化學習等。每章都附有 習題并介紹了相關閱讀材料,以便有興趣的讀者進一 步鉆研探索。 本書可作為高等院校計算機、自動化及相關專業 的本科生或研究生教材,也可供對機器學習感興趣的 研究人員和工程技術人員閱讀參考。
  • 第1章 緒論
    1.1 引言
    1.2 基本術語
    1.3 假設空間
    1.4 歸納偏好
    1.5 發展歷程
    1.6 應用現狀
    1.7 閱讀材料
    習題
    參考文獻
    休息一會兒
    第2章 模型評估與選擇
    2.1 經驗誤差與過擬合
    2.2 評估方法
    2.3 性能度量
    2.4 比較檢驗
    2.5 偏差與方差
    2.6 閱讀材料
    習題
    參考文獻
    休息一會兒
    第3章 線性模型
    3.1 基本形式
    3.2 線性回歸
    3.3 對數幾率回歸
    3.4 線性判別分析
    3.5 多分類學習
    3.6 類別不平衡問題
    3.7 閱讀材料
    習題
    參考文獻
    休息一會兒
    第4章 決策樹
    4.1 基本流程
    4.2 劃分選擇
    4.3 剪枝處理
    4.4 連續與缺失值
    4.5 多變量決策樹
    4.6 閱讀材料
    習題
    參考文獻
    休息一會兒
    第5章 神經網絡
    5.1 神經元模型
    5.2 感知機與多層網絡
    5.3 誤差逆傳播算法
    5.4 全局*小與局部極小
    5.5 其他常見神經網絡
    5.6 深度學習
    5.7 閱讀材料
    習題
    參考文獻
    休息一會兒
    第6章 支持向量機
    6.1 間隔與支持向量
    6.2 對偶問題
    6.3 核函數
    6.4 軟間隔與正則化
    6.5 支持向量回歸
    6.6 核方法
    6.7 閱讀材料
    習題
    參考文獻
    休息一會兒
    第7章 貝葉斯分類器
    7.1 貝葉斯決策論
    7.2 極大似然估計
    7.3 樸素貝葉斯分類器
    7.4 半樸素貝葉斯分類器
    7.5 貝葉斯網
    7.6 EM算法
    7.7 閱讀材料
    習題
    參考文獻
    休息一會兒
    第8章 集成學習
    8.1 個體與集成
    8.2 Boosting
    8.3 Bagging與隨機森林
    8.4 結合策略
    8.5 多樣性
    8.6 閱讀材料
    習題
    參考文獻
    休息一會兒
    第9章 聚類
    9.1 聚類任務
    9.2 性能度量
    9.3 距離計算
    9.4 原型聚類
    9.5 密度聚類
    9.6 層次聚類
    9.7 閱讀材料
    習題
    參考文獻
    休息一會兒
    **0章 降維與度量學習
    10.1 南近鄰學習
    10.2 低維嵌入
    10.3 主成分分析
    10.4 核化線性降維
    10.5 流形學習
    10.6 度量學習
    10.7 閱讀材料
    習題
    參考文獻
    休息一會兒
    **1章 特征選擇與稀疏學習
    11.1 子集搜索與評價
    11.2 過濾式選擇
    11.3 包裹式選擇
    11.4 嵌入式選擇與L1正則化
    11.5 稀疏表示與字典學習
    11.6 壓縮感知
    11.7 閱讀材料
    習題
    參考文獻.
    休息一會兒
    **2章 計算學習理論
    12.1 基礎知識
    12.2 PAC學習
    12.3 有限假設空間
    12.4 VC維
    12.5 Rademacher復雜度
    12.6 穩定性
    12.7 閱讀材料
    習題
    參考文獻
    休息一會兒
    **3章 半監督學習
    13.1 未標記樣本
    13.2 生成式方法
    13.3 半監督SVM
    13.4 圖半監督學習
    13.5 基于分歧的方法
    13.6 半監督聚類
    13.7 閱讀材料
    習題
    參考文獻
    休息一會兒
    **4章 概率圖模型
    14.1 隱馬爾可夫模型
    14.2 馬爾可夫隨機場
    14.3 條件隨機場
    14.4 學習與推斷
    14.5 近似推斷
    14.6 話題模型
    14.7 閱讀材料
    習題
    參考文獻
    休息一會兒
    **5章 規則學習
    15.1 基本概念
    15.2 序貫覆蓋
    15.3 剪枝優化
    15.4 一階規則學習
    15.5 歸納邏輯程序設計
    15.6 閱讀材料
    習題
    參考文獻
    休息一會兒
    **6章 強化學習
    16.1 任務與獎賞
    16.2 K一搖臂賭博機
    16.3 有模型學習
    16.4 免模型學習
    16.5 值函數近似
    16.6 模仿學習
    16.7 閱讀材料
    習題
    參考文獻
    休息一會兒
    附錄
    A矩陣
    B優化
    C概率分布
    后記
    索引
  • 書中除第1章外, 每章都給出了十道習題. 有的習題是幫助讀者鞏固本章學習, 有的是為了引導讀者擴展相關知識. 一學期的一般課程 可使用這些習題, 再輔以兩到三個針對具體數據集的大作業. 帶星號的習題則有相當難度, 有些并無現成答案, 謹供富有進取心的讀者 啟發思考. 本書在內容上盡可能涵蓋機器學習基礎知識的各方面, 但作為機器學習入門讀物且因授課時間的考慮, 很多重要、前沿的材料未能覆蓋, 即便覆蓋到的部分也僅是管中窺豹, *多的內容留待讀者在進階課程中學習. 為便于有興趣的讀者進一步鉆研探索, 本書每章均介紹了 一些閱讀材料, 謹供讀者參考. 筆者以為, 對學科相關的重要人物和事件有一定了解, 將會增進讀者對該學科的認識. 本書在每章*后都寫了一個與該章內容 相關的小故事, 希望有助于讀者增廣見聞, 并且在緊張的學習過程中稍微放松調劑一下. 書中不可避免地涉及大量外國人名, 若全部譯為中文, 則讀者在日后進一步閱讀文獻時或許會對不少人名產生陌生感, 不利于進一步學習. 因此, 本書僅對一般讀者耳熟能詳的名字如“圖靈”等加以直接使用, 對故事中的一些主要人物給出了譯名, 其他則保持外文名. 機器學習發展極迅速, 目前已成為一個廣袤的學科, 罕有人士能對其眾多分支領域均有精深理解. 筆者自認才疏學淺, 僅略知皮毛, *兼時間和精力所限, 書中錯謬之處在所難免, 若蒙讀者諸君不吝告知, 將不勝感激.
  • 編輯推薦語
  • 內容提要
  • 目錄
  • 精彩試讀
热博rb88 <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>