歡迎光臨中圖網(wǎng) 請 | 注冊
> >
機器學習導論-原書第3版

機器學習導論-原書第3版

出版社:機械工業(yè)出版社出版時間:2016-01-01
開本: 16開 頁數(shù): 356
中 圖 價:¥38.7(4.9折) 定價  ¥79.0 登錄后可看到會員價
加入購物車 收藏
運費6元,滿39元免運費
?新疆、西藏除外
溫馨提示:5折以下圖書主要為出版社尾貨,大部分為全新(有塑封/無塑封),個別圖書品相8-9成新、切口
有劃線標記、光盤等附件不全詳細品相說明>>
本類五星書更多>
買過本商品的人還買了

機器學習導論-原書第3版 版權信息

機器學習導論-原書第3版 本書特色

本書是關于機器學習這一主題內(nèi)容全面的教科書,涵蓋了通常在機器學習導論中并不包括的廣泛題材。對機器學習的定義和應用實例進行了介紹,涵蓋了監(jiān)督學習、貝葉斯決策理論、參數(shù)方法、多元方法、維度歸約、聚類、非參數(shù)方法、決策樹、線性判別式、多層感知器、局部模型、核機器、圖方法、隱馬爾可夫模型、貝葉斯估計、組合多學習器、增強學習以及機器學習實驗的設計與分析等。

機器學習導論-原書第3版 內(nèi)容簡介

本書是關于機器學習這一主題內(nèi)容全面的教科書,涵蓋了通常在機器學習導論中并不包括的廣泛題材。對機器學習的定義和應用實例進行了介紹,涵蓋了監(jiān)督學習、貝葉斯決策理論、參數(shù)方法、多元方法、維度歸約、聚類、非參數(shù)方法、決策樹、線性判別式、多層感知器、局部模型、核機器、圖方法、隱馬爾可夫模型、貝葉斯估計、組合多學習器、增強學習以及機器學習實驗的設計與分析等。

機器學習導論-原書第3版 目錄

目錄introduction to machine learning,third edition出版者的話譯者序前言符號說明第1章引言111什么是機器學習112機器學習的應用實例2121學習關聯(lián)性2122分類3123回歸5124非監(jiān)督學習6125增強學習713注釋814相關資源1015習題1116參考文獻12第2章監(jiān)督學習1321由實例學習類1322vc維1623概率近似正確學習1624噪聲1725學習多類1826回歸1927模型選擇與泛化2128監(jiān)督機器學習算法的維2329注釋24210習題25211參考文獻26第3章貝葉斯決策理論2731引言2732分類2833損失與風險2934判別式函數(shù)3035關聯(lián)規(guī)則3136注釋3337習題3338參考文獻36第4章參數(shù)方法3741引言3742*大似然估計37421伯努利密度38422多項式密度38423高斯(正態(tài))密度3943評價估計:偏倚和方差3944貝葉斯估計4045參數(shù)分類4246回歸4447調(diào)整模型的復雜度:偏倚/方差兩難選擇4648模型選擇過程4949注釋51410習題51411參考文獻53第5章多元方法5451多元數(shù)據(jù)5452參數(shù)估計5453缺失值估計5554多元正態(tài)分布5655多元分類5756調(diào)整復雜度6157離散特征6258多元回歸6359注釋64510習題64511參考文獻66第6章維度歸約6761引言6762子集選擇6763主成分分析7064特征嵌入7465因子分析7566奇異值分解與矩陣分解7867多維定標7968線性判別分析8269典范相關分析85610等距特征映射86611局部線性嵌入87612拉普拉斯特征映射89613注釋90614習題91615參考文獻92第7章聚類9471引言9472混合密度9473k均值聚類9574期望*大化算法9875潛在變量混合模型10076聚類后的監(jiān)督學習10177譜聚類10278層次聚類10379選擇簇個數(shù)104710注釋104711習題105712參考文獻106第8章非參數(shù)方法10781引言10782非參數(shù)密度估計108821直方圖估計108822核估計109823k*近鄰估計11083推廣到多變元數(shù)據(jù)11184非參數(shù)分類11285精簡的*近鄰11286基于距離的分類11387離群點檢測11588非參數(shù)回歸:光滑模型116881移動均值光滑116882核光滑117883移動線光滑11989如何選擇光滑參數(shù)119810注釋120811習題121812參考文獻122第9章決策樹12491引言12492單變量樹125921分類樹125922回歸樹12893剪枝13094由決策樹提取規(guī)則13195由數(shù)據(jù)學習規(guī)則13296多變量樹13497注釋13598習題13799參考文獻138第10章線性判別式139101引言139102推廣線性模型140103線性判別式的幾何意義1401031兩類問題1401032多類問題141104逐對分離142105參數(shù)判別式的進一步討論143106梯度下降144107邏輯斯諦判別式1451071兩類問題1451072多類問題147108回歸判別式150109學習排名1511010注釋1521011習題1521012參考文獻154第11章多層感知器155111引言1551111理解人腦1551112神經(jīng)網(wǎng)絡作為并行處理的典范156112感知器157113訓練感知器159114學習布爾函數(shù)160115多層感知器161116作為普適近似的mlp162117向后傳播算法1631171非線性回歸1631172兩類判別式1661173多類判別式166
展開全部
商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)