中圖網小程序
一鍵登錄
更方便
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
智能科學與技術叢書機器學習基礎 版權信息
- ISBN：9787111622185
- 條形碼：9787111622185 ; 978-7-111-62218-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
智能科學與技術叢書機器學習基礎 本書特色
本書從概率近似正確（PAC）理論出發探討機器學習的基礎理論與典型算法，包括PAC學習框架、VC-維、支持向量機、核方法、在線學習、多分類、排序、回歸、降維、強化學習等豐富的內容。此外，附錄部分簡要回顧了與機器學習密切相關的概率論、凸優化、矩陣以及范數等必要的預備知識。 本書重在介紹典型算法的理論支撐并指出算法在實際應用中的關鍵點，注重理論細節與證明過程，可作為高等院校機器學習、統計學等課程的教材，或作為相關領域研究人員的參考讀物。
智能科學與技術叢書機器學習基礎 內容簡介
本書講述了機器學習中的基本原理和方法，描述了幾個重要的現代算法，并為這些算法提供了理論基礎，并展示出其應用的關鍵方面。作者旨在為初學者提供理論工具和概念的同時，給出具體的證明即使是相對不錯的主題。本書面向機器學習、統計及相關領域的研究生和研究人員，既可以作為機器學習課程或研討班的教材或參考書，也適合作為從事機器學習、數據挖掘等大數據挖掘和分析的專業人員。
智能科學與技術叢書機器學習基礎 目錄
譯者序
前言
第1章 引言11.1 應用與問題11.2 定義與術語21.3 交叉驗證41.4 學習情境51.5 本書概覽6
第2章 PAC學習框架82.1 PAC學習模型82.2 對有限假設集的學習保證——一致的情況122.3 對有限假設集的學習保證——不一致的情況162.4 泛化性182.4.1 確定性與隨機性情境182.4.2 貝葉斯誤差與噪聲192.4.3 估計誤差與近似誤差192.4.4 模型選擇202.5 文獻評注212.6 習題22
第3章 Rademacher復雜度和VC-維253.1 Rademacher復雜度253.2 生長函數293.3 VC-維313.4 下界363.5 文獻評注413.6 習題42
第4章 支持向量機474.1 線性分類474.2 可分情況下的支持向量機484.2.1 原始優化問題484.2.2 支持向量494.2.3 對偶優化問題504.2.4 留一法514.3 不可分情況下的支持向量機524.3.1 原始優化問題534.3.2 支持向量544.3.3 對偶優化問題554.4 間隔理論564.5 文獻評注624.6 習題62
第5章 核方法655.1 引言655.2 正定對稱核675.2.1 定義675.2.2 再生核希爾伯特空間695.2.3 性質705.3 基于核的算法735.3.1 具有PDS核的SVM735.3.2 表示定理745.3.3 學習保證755.4 負定對稱核765.5 序列核785.5.1 加權轉換器795.5.2 有理核825.6 文獻評注855.7 習題85
第6章 boosting896.1 引言896.2 AdaBoost算法906.2.1 經驗誤差的界926.2.2 與坐標下降的關系936.2.3 與邏輯回歸的關系946.2.4 實踐中的標準使用方式956.3 理論結果956.3.1 基于VC-維的分析966.3.2 基于間隔的分析966.3.3 間隔*大化1006.3.4 博弈論解釋1016.4 討論1036.5 文獻評注1046.6 習題105
第7章 在線學習1087.1 引言1087.2 有專家建議的預測1097.2.1 錯誤界和折半算法1097.2.2 加權多數算法1107.2.3 隨機加權多數算法1117.2.4 指數加權平均算法1147.3 線性分類1177.3.1 感知機算法1177.3.2 Winnow算法1227.4 在線到批處理的轉換1247.5 與博弈論的聯系1277.6 文獻評注1277.7 習題128
第8章 多分類1338.1 多分類問題1338.2 泛化界1348.3 直接型多分類算法1398.3.1 多分類SVM1398.3.2 多分類boosting算法1408.3.3 決策樹1418.4 類別分解型多分類算法1448.4.1 一對多1448.4.2 一對一1458.4.3 糾錯編碼1468.5 結構化預測算法1488.6 文獻評注1498.7 習題150
第9章 排序1529.1 排序問題1529.2 泛化界1539.3 使用SVM進行排序1559.4 RankBoost1569.4.1 經驗誤差界1589.4.2 與坐標下降的關系1599.4.3 排序問題集成算法的間隔界1609.5 二部排序1619.5.1 二部排序中的boosting算法1629.5.2 ROC曲線下面積1649.6 基于偏好的情境1659.6.1 兩階段排序問題1669.6.2 確定性算法1679.6.3 隨機性算法1689.6.4 關于其他損失函數的擴展1689.7 討論1699.8 文獻評注1709.9 習題171
第10章 回歸17210.1 回歸問題17210.2 泛化界17310.2.1 有限假設集17310.2.2 Rademacher復雜度界17410.2.3 偽維度界17510.3 回歸算法17710.3.1 線性回歸17810.3.2 核嶺回歸17910.3.3 支持向量回歸18210.3.4 Lasso18610.3.5 組范數回歸算法18810.3.6 在線回歸算法18910.4 文獻評注19010.5 習題190
第11章 算法穩定性19311.1 定義19311.2 基于穩定性的泛化保證19411.3 基于核的正則化算法的穩定性19611.3.1 應用于回歸算法：SVR和KRR19811.3.2 應用于分類算法：SVM20011.3.3 討論20011.4 文獻評述20111.5 習題201
第12章 降維20312.1 主成分分析20412.2 核主成分分析20512.3 KPCA和流形學習20612.3.1 等距映射20612.3.2 拉普拉斯特征映射20712.3.3 局部線性嵌入20712.4 Johnson-Lindenstrauss引理20812.5 文獻評注21012.6 習題210
第13章 學習自動機和語言21213.1 引言21213.2 有限自動機21313.3 高效精確學習21413.3.1 被動學習21413.3.2 通過查詢學習21513.3.3 通過查詢學習自動機21613.4 極限下的識別22013.5 文獻評注22413.6 習題225
第14章 強化學習22714.1 學習情境22714.2 馬爾可夫決策過程模型22814.3 策略22914.3.1 定義22914.3.2 策略值22914.3.3 策略評估23014.3.4 *優策略23014.4 規劃算法23114.4.1 值迭代23114.4.2 策略迭代23314.4.3 線性規劃23514.5 學習算法23514.5.1 隨機逼近23614.5.2 TD（0）算法23914.5.3 Q-學習算法24014.5.4 SARSA24214.5.5 TD（λ）算法24214.5.6 大狀態空間24314.6 文獻評注244
結束語245
附錄A 線性代數回顧246
附錄B 凸優化251
附錄C 概率論回顧257
附錄D 集中不等式264
附錄E 符號273
索引274
參考文獻
參考文獻為網絡資源，請訪問華章網站www.hzbook.com下載。——編輯注
展開全部
智能科學與技術叢書機器學習基礎 作者簡介
梅爾亞·莫里（Mehryar Mohri）
紐約大學庫蘭特數學科學研究所計算機科學與數學教授，同時任谷歌研究院的研究顧問。主要研究方向包括機器學習理論和算法、語音處理、自動機理論和算法、自然語言處理、計算生物學等。曾在AT T實驗室研究部擔任部門主管和技術負責人。他是多個核心加權自動機和有限狀態機算法的作者，在將加權有限狀態機應用于語音識別和自然語言處理方面做了開創性的工作。
阿夫欣·羅斯塔米扎達爾（Afshin Rostamizadeh）
谷歌研究院高級研究員。他擁有紐約大學計算機科學博士學位，加州大學伯克利分校電子工程與計算機學士學位。
阿米特·塔爾沃卡爾 （Ameet Talwalkar）
梅爾亞·莫里（Mehryar Mohri）
紐約大學庫蘭特數學科學研究所計算機科學與數學教授，同時任谷歌研究院的研究顧問。主要研究方向包括機器學習理論和算法、語音處理、自動機理論和算法、自然語言處理、計算生物學等。曾在AT&T實驗室研究部擔任部門主管和技術負責人。他是多個核心加權自動機和有限狀態機算法的作者，在將加權有限狀態機應用于語音識別和自然語言處理方面做了開創性的工作。
阿夫欣·羅斯塔米扎達爾（Afshin Rostamizadeh）
谷歌研究院高級研究員。他擁有紐約大學計算機科學博士學位，加州大學伯克利分校電子工程與計算機學士學位。
阿米特·塔爾沃卡爾 （Ameet Talwalkar）
卡內基·梅隆大學機器學習系助理教授，同時還是AI初創企業Determined AI的聯合創始人和首席科學家。他擁有紐約大學計算機科學-機器學習博士學位，還曾是加州大學伯克利分校電子工程與計算機系博士后研究員。
書友推薦
- >
伯納黛特,你要去哪(2021新版)
- >
羅曼·羅蘭讀書隨筆-精裝
- >
我與地壇
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
回憶愛瑪儂
- >
煙與鏡
- >
朝聞道
- >
名家帶你讀魯迅:故事新編
本類暢銷
