掃一掃
關(guān)注中圖網(wǎng)
官方微博
溫馨提示：5折以下圖書(shū)主要為出版社尾貨，大部分為全新（有塑封/無(wú)塑封），個(gè)別圖書(shū)品相8-9成新、切口
有劃線標(biāo)記、光盤(pán)等附件不全詳細(xì)品相說(shuō)明>>
有劃線標(biāo)記、光盤(pán)等附件不全詳細(xì)品相說(shuō)明>>
本類(lèi)五星書(shū)更多>
-
>
闖進(jìn)數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國(guó)政府與政治(新編21世紀(jì)公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國(guó)特色社會(huì)主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國(guó)中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
中圖價(jià):¥50.0
加入購(gòu)物車(chē)
機(jī)器學(xué)習(xí)及其應(yīng)用(英文版) 版權(quán)信息
- ISBN：9787121377853
- 條形碼：9787121377853 ; 978-7-121-37785-3
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>>
機(jī)器學(xué)習(xí)及其應(yīng)用(英文版) 本書(shū)特色
本書(shū)適合作為高等院校計(jì)算機(jī)、電子信息等專(zhuān)業(yè)的機(jī)器學(xué)習(xí)方面的本科生高年級(jí)或研究生的雙語(yǔ)課程的教材，也可以作為相關(guān)領(lǐng)域工程技術(shù)人員學(xué)習(xí)機(jī)器學(xué)習(xí)理論并進(jìn)行應(yīng)用的參考書(shū)。提供解決實(shí)際問(wèn)題的應(yīng)用實(shí)例；
機(jī)器學(xué)習(xí)及其應(yīng)用(英文版) 內(nèi)容簡(jiǎn)介
本書(shū)綜合探討了機(jī)器學(xué)習(xí)的理論基礎(chǔ), 為讀者提供了使用機(jī)器學(xué)習(xí)技術(shù)解決現(xiàn)實(shí)問(wèn)題所需的知識(shí)。具體內(nèi)容包括如何概念化問(wèn)題、準(zhǔn)確表示數(shù)據(jù)、選擇和調(diào)整算法、解釋和分析結(jié)果以及做出合理的決策, 采用非嚴(yán)格意義的數(shù)學(xué)進(jìn)行闡述, 涵蓋了一系列廣泛的機(jī)器學(xué)習(xí)主題, 并特別強(qiáng)調(diào)了一些有益的方法, 如監(jiān)督學(xué)習(xí)、統(tǒng)計(jì)學(xué)習(xí)、使用支持向量機(jī) (SVM) 學(xué)習(xí)、使用神經(jīng)網(wǎng)絡(luò) (NN) 學(xué)習(xí)、模糊推理系統(tǒng)、數(shù)據(jù)聚類(lèi)、數(shù)據(jù)變換、決策樹(shù)學(xué)習(xí)、商業(yè)智能、數(shù)據(jù)挖掘, 等等。
機(jī)器學(xué)習(xí)及其應(yīng)用(英文版) 目錄
目錄1. Introduction 引言… ………………………………………………………………………………11.1 Towards Intelligent Machines 走向智能機(jī)器 ………………………………………………11.2 Well-Posed Machine Learning Problems 適定的機(jī)器學(xué)習(xí)問(wèn)題 ……………………………51.3 Examples of Applications in Diverse Fields 不同領(lǐng)域的應(yīng)用實(shí)例 …………………………71.4 Data Representation 數(shù)據(jù)表示 ………………………………………………………………121.4.1 Time Series Forecasting 時(shí)間序列預(yù)測(cè) ………………………………………………151.4.2 Datasets for Toy (Unreastically Simple) and Realistic Problems初級(jí)問(wèn)題和現(xiàn)實(shí)問(wèn)題數(shù)據(jù)集 …………………………………………………………171.5 Domain Knowledge for Productive use of Machine Learning使機(jī)器學(xué)習(xí)有效應(yīng)用的領(lǐng)域知識(shí) ……………………………………………………………181.6 Diversity of Data: Structured/Unstructured 數(shù)據(jù)多樣性：結(jié)構(gòu)化/非結(jié)構(gòu)化 ……………201.7 Forms of Learning 學(xué)習(xí)形式 …………………………………………………………………211.7.1 Supervised/Directed Learning 監(jiān)督/指導(dǎo)學(xué)習(xí) ……………………………………211.7.2 Unsupervised/Undirected Learning 非監(jiān)督/無(wú)指導(dǎo)學(xué)習(xí) …………………………221.7.3 Reinforcement Learning 強(qiáng)化學(xué)習(xí) …………………………………………………221.7.4 Learning Based on Natural Processes: Evolution, Swarming, and Immune Systems基于自然處理的學(xué)習(xí)：進(jìn)化、集群和免疫系統(tǒng)………………………………………231.8 Machine Learning and Data Mining 機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘 …………………………………251.9 Basic Linear Algebra in Machine Learning Techniques機(jī)器學(xué)習(xí)技術(shù)中的基礎(chǔ)線性代數(shù) ……………………………………………………………261.10 Relevant Resources for Machine Learning 機(jī)器學(xué)習(xí)的相關(guān)資源 …………………………342. Supervised Learning: Rationale and Basics 監(jiān)督學(xué)習(xí)：基本原理和基礎(chǔ)… ………………362.1 Learning from Observations 從觀測(cè)中學(xué)習(xí) …………………………………………………362.2 Bias and Variance 偏差和方差 ………………………………………………………………422.3 Why Learning Works: Computational Learning Theory學(xué)習(xí)為什么有效：計(jì)算學(xué)習(xí)理論 ……………………………………………………………462.4 Occam's Razor Principle and Overfitting Avoidance奧卡姆剃刀原理和防止過(guò)擬合 ………………………………………………………………492.5 Heuristic Search in Inductive Learning 歸納學(xué)習(xí)中的啟發(fā)式搜索 …………………………512.5.1 Search through Hypothesis Space 假設(shè)空間搜索 ……………………………………522.5.2 Ensemble Learning 集成學(xué)習(xí) ………………………………………………………532.5.3 Evaluation of a Learning System 學(xué)習(xí)系統(tǒng)的評(píng)價(jià) …………………………………552.6 Estimating Generalization Errors 估計(jì)泛化誤差 ……………………………………………562.6.1 Holdout Method and Random Subsampling 留出法和隨機(jī)下采樣 …………………562.6.2 Cross-validation 交叉驗(yàn)證 ……………………………………………………………572.6.3 Bootstrapping 自助法 …………………………………………………………………582.7 Metrics for Assessing Regression (Numeric Prediction) Accuracy評(píng)價(jià)回歸（數(shù)值預(yù)測(cè)）精度的指標(biāo) …………………………………………………………592.7.1 Mean Square Error 均方誤差 …………………………………………………………602.7.2 Mean Absolute Error 平均絕對(duì)誤差 …………………………………………………602.8 Metrics for Assessing Classification (Pattern Recognition) Accuracy評(píng)價(jià)分類(lèi)（模式識(shí)別）精度的指標(biāo) …………………………………………………………612.8.1 Misclassification Error 誤分類(lèi)誤差 …………………………………………………612.8.2 Confusion Matrix 混淆矩陣 …………………………………………………………622.8.3 Comparing Classifiers Based on ROC Curves 基于ROC曲線的分類(lèi)器比較 ……662.9 An Overview of the Design Cycle and Issues in Machine Learning機(jī)器學(xué)習(xí)中的設(shè)計(jì)周期和問(wèn)題概述 …………………………………………………………683. Statistical Learning 統(tǒng)計(jì)學(xué)習(xí)… …………………………………………………………………733.1 Machine Learning and Inferential Statistical Analysis 機(jī)器學(xué)習(xí)與推斷統(tǒng)計(jì)分析 …………733.2 Descriptive Statistics in Learning Techniques 學(xué)習(xí)技術(shù)中的描述統(tǒng)計(jì)學(xué) …………………743.2.1 Representing Uncertainties in Data: Probability Distributions表示數(shù)據(jù)中的不確定性：概率分布 …………………………………………………753.2.2 Descriptive Measures of Probability Distributions 概率分布的描述方法 …………803.2.3 Descriptive Measures from Data Sample 數(shù)據(jù)樣本的描述方法 ……………………833.2.4 Normal Distributions 正態(tài)分布 ………………………………………………………843.2.5 Data Similarity 數(shù)據(jù)相似性 …………………………………………………………853.3 Bayesian Reasoning: A Probabilistic Approach to Inference貝葉斯推理：推斷的概率方法 ………………………………………………………………873.3.1 Bayes Theorem 貝葉斯定理 …………………………………………………………883.3.2 Naive Bayes Classifier 樸素貝葉斯分類(lèi)器 …………………………………………933.3.3 Bayesian Belief Networks 貝葉斯信念網(wǎng)絡(luò) …………………………………………983.4 k-Nearest Neighbor (k-NN) Classifier k近鄰（k-NN）分類(lèi)器 …………………………1023.5 Discriminant Functions and Regression Functions 判別函數(shù)和回歸函數(shù) ………………1063.5.1 Classification and Discriminant Functions 分類(lèi)和判別函數(shù) ……………………1073.5.2 Numeric Prediction and Regression Functions 數(shù)值預(yù)測(cè)和回歸函數(shù) ……………1083.5.3 Practical Hypothesis Functions 實(shí)踐應(yīng)用中的假設(shè)函數(shù) …………………………1093.6 Linear Regression with Least Square Error Criterion基于*小二乘誤差準(zhǔn)則的線性回歸法 ……………………………………………………1123.6.1 Minimal Sum-of-Error-Squares and the Pseudoinverse *小誤差平方和與偽逆 1133.6.2 Gradient Descent Optimization Schemes 梯度下降法優(yōu)化方案 …………………1153.6.
展開(kāi)全部
機(jī)器學(xué)習(xí)及其應(yīng)用(英文版) 作者簡(jiǎn)介
M. Gopal曾任印度理工學(xué)院德里分校教授，是一位優(yōu)秀的作者、教師和研究員，還是一位享譽(yù)全球的院士。他是Control Engineering等5本書(shū)的作者或合著者，其著作被譯為多國(guó)語(yǔ)言，在世界范圍廣泛使用。他在YouTube上的視頻課程是印度理工學(xué)院最受歡迎的課程之一。Gopal教授是機(jī)器學(xué)習(xí)領(lǐng)域的知名研究者，著有150多篇研究論文，部分發(fā)表在高影響因子的期刊上。他目前的研究興趣在機(jī)器學(xué)習(xí)和智能控制領(lǐng)域。
書(shū)友推薦
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
人文閱讀與收藏·良友文學(xué)叢書(shū):一天的工作
- >
羅庸西南聯(lián)大授課錄
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
小考拉的故事-套裝共3冊(cè)
- >
名家?guī)阕x魯迅:朝花夕拾
- >
經(jīng)典常談
- >
苦雨齋序跋文-周作人自編集
本類(lèi)暢銷(xiāo)
