掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
機器學習導論 版權信息
- ISBN：9787111548683
- 條形碼：9787111548683 ; 978-7-111-54868-3
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
機器學習導論 本書特色
這本書通過給出易操作的實踐指導、采用簡單的例子、激勵學生討論有趣的應用問題，用一種易于理解的方式介紹了機器學習的基本思想。本書主題包括貝葉斯分類器、近鄰分類器、線性和多項式分類器、決策樹、神經網絡以及支持向量機。后面的章節展示了如何把這些簡單工具通過“提升”（boosting）的方式結合起來，怎樣將它們應用于更加復雜的領域，以及如何處理各種高級的實踐問題。其中有一章介紹了廣為人知的遺傳算法。
機器學習導論 內容簡介
人工智能專家米羅斯拉夫•庫巴特教授25年傾心打造系統解讀了有關機器學習的14個方面，快速讀懂機器學習全面揭開機器學習的奧秘本書系統全面，既可以自學又可以作為研究參考。既道出了機器學習的前世今生，又展望了發展的未來，讓道聽途說的信息止于智者。全面討論機器學習方法和技術，層次合理、敘述清晰、難度適中。涵蓋了經典的機器學習算法和理論，同時補充了近年來新出現的機器學習方法。
機器學習導論 目錄
推薦序前言第1章 一個簡單的機器學習任務// 1.1訓練集和分類器// 1.2一點題外話：爬山搜索// 1.3機器學習中的爬山法// 1.4分類器的性能// 1.5可用數據的困難// 1.6總結和歷史簡評// 1.7鞏固你的知識// 第2章 概率：貝葉斯分類器// 2.1單屬性的情況// 2.2離散屬性值的向量// 2.3稀少事件的概率：利用專家的直覺// 2.4如何處理連續屬性// 2.5高斯鐘形函數：一個標準的概率密度函數// 2.6用高斯函數的集合近似概率密度函數// 2.7總結和歷史簡評// 2.8鞏固你的知識// 第3章 相似性：*近鄰分類器// 3.1k近鄰法則// 3.2度量相似性// 3.3不相關屬性與尺度縮放問題// 3.4性能方面的考慮// 3.5加權*近鄰// 3.6移除危險的樣例// 3.7移除多余的樣例// 3.8總結和歷史簡評// 3.9鞏固你的知識// 第4章 類間邊界：線性和多項式分類器// 4.1本質// 4.2加法規則：感知機學習// 4.3乘法規則：WINNOW// 4.4多于兩個類的域// 4.5多項式分類器// 4.6多項式分類器的特殊方面// 4.7數值域和支持向量機// 4.8總結和歷史簡評// 4.9鞏固你的知識// 第5章 人工神經網絡// 5.1作為分類器的多層感知機// 5.2神經網絡的誤差// 5.3誤差的反向傳播// 5.4多層感知機的特殊方面// 5.5結構問題// 5.6徑向基函數網絡// 5.7總結和歷史簡評// 5.8鞏固你的知識// 第6章 決策樹// 6.1作為分類器的決策樹// 6.2決策樹的歸納學習// 6.3一個屬性承載了多少信息// 6.4數值屬性的二元劃分// 6.5剪枝// 6.6將決策樹轉換為規則// 6.7總結和歷史簡評// 6.8鞏固你的知識// 第7章 計算學習理論// 7.1PAC 學習// 7.2PAC可學習性的實例// 7.3一些實踐和理論結果// 7.4VC維與可學習性// 7.5總結和歷史簡評// 7.6鞏固你的知識// 第8章 幾個有幫助的案例// 8.1字符識別// 8.2溢油檢測// 8.3睡眠分類// 8.4腦機界面// 8.5醫療診斷// 8.6文本分類// 8.7總結和歷史簡評// 8.8鞏固你的知識// 第9章 投票組合簡介// 9.1“裝袋”方法(Bagging)// 9.2夏皮爾提升(Schapires Boosting)// 9.3Adaboost——Boosting的實用版本// 9.4Boosting方法的變種// 9.5Boosting方法的計算優勢// 9.6總結和歷史簡評// 9.7鞏固你的知識// 第10章 了解一些實踐知識// 10.1學習器的偏好// 10.2不平衡訓練集// 10.3語境相關域// 10.4未知屬性值// 10.5屬性選擇// 10.6雜項// 10.7總結和歷史簡評// 10.8鞏固你的知識// 第11章 性能評估// 11.1基本性能標準// 11.2精度和查全率// 11.3測量性能的其他方法// 11.4多標簽域內的性能// 11.5學習曲線和計算開銷// 11.6實驗評估的方法// 11.7總結和歷史簡評// 11.8鞏固你的知識// 第12章 統計顯著性// 12.1總體抽樣// 12.2從正態分布中獲益// 12.3置信區間// 12.4一個分類器的統計評價// 12.5另外一種統計評價// 12.6機器學習技術的比較// 12.7總結和歷史簡評// 12.8鞏固你的知識// 第13章 遺傳算法// 13.1基本遺傳算法// 13.2單個模塊的實現// 13.3為什么能起作用// 13.4過早退化的危險// 13.5其他遺傳算子// 13.6高級版本// 13.7k-NN 分類器的選擇// 13.8總結和歷史簡評// 13.9鞏固你的知識// 第14章 增強學習// 14.1如何選出*高獎勵的動作// 14.2游戲的狀態和動作// 14.3SARSA方法// 14.4總結和歷史簡評// 14.5鞏固你的知識// 參考文獻//信息
展開全部
機器學習導論 相關資料
本書組織完備，每一節都有一個“你學到了什么”的小結，每一章都有簡明扼要的總結及歷史簡評，并提供了大量的練習。全書章節都有經過精心選擇和設計的例子，以幫助讀者理解每一個概念。通過閱讀本書，我學到了很多機器學習的基本知識。雅克·凱瑞特 ｜《計算評論》米羅斯拉夫·庫巴特所著的這本《機器學習導論》更像是一本科普性質的讀物，作者盡量避開復雜的數學公式，用生動形象的方式介紹機器學習算法，而且本書篇幅適當，又涵蓋了幾乎所有基本的機器學習方法，使得本書不僅適合作為本科學生機器學習課的教材，也適合想了解機器學習入門知識的普通讀者。劉成林｜中國科學院自動化研究所副所長、模式識別國家重點實驗室主任
機器學習導論 作者簡介
〔美］ 米羅斯拉夫·庫巴特美國邁阿密大學教授，從事機器學習教學和研究超過25年。他已發表100余篇經過同行評審的論文，與人合編了兩本著作，是近60個會議和研討會的程序委員會委員，并擔任3本學術刊物的編委。他在兩個方面的前沿研究上得到了廣泛贊譽：時變概念的歸納學習和在非平衡訓練集上的學習。此外，在多標簽樣例上的歸納學習、層次組織的類別上的歸納學習、遺傳算法、神經網絡的初始化等問題上，他也做出了很多貢獻。
書友推薦
- >
中國歷史的瞬間
- >
回憶愛瑪儂
- >
二體千字文
- >
推拿
- >
小考拉的故事-套裝共3冊
- >
月亮虎
- >
羅庸西南聯大授課錄
- >
苦雨齋序跋文-周作人自編集
本類暢銷
