掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥30.9
加入購(gòu)物車
統(tǒng)計(jì)學(xué)習(xí)必學(xué)的十個(gè)問題——理論與實(shí)踐 版權(quán)信息
- ISBN：9787302577171
- 條形碼：9787302577171 ; 978-7-302-57717-1
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
統(tǒng)計(jì)學(xué)習(xí)必學(xué)的十個(gè)問題——理論與實(shí)踐 本書特色
本書包含機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)和統(tǒng)計(jì)學(xué)習(xí)模型，更強(qiáng)調(diào)理論的深入理解以及用代碼實(shí)踐結(jié)合理論進(jìn)行講解。
統(tǒng)計(jì)學(xué)習(xí)必學(xué)的十個(gè)問題——理論與實(shí)踐 內(nèi)容簡(jiǎn)介
統(tǒng)計(jì)學(xué)習(xí)是機(jī)器學(xué)習(xí)的重要分支，本書兼顧了數(shù)學(xué)上的理論和代碼實(shí)踐，內(nèi)容主要包括基礎(chǔ)知識(shí)和統(tǒng)計(jì)學(xué)習(xí)模型。章、第2章結(jié)合VC維介紹過擬合的本質(zhì)，并介紹手動(dòng)特征選擇的辦法； 第3章、第4章從很簡(jiǎn)單的線性模型出發(fā)經(jīng)過概率統(tǒng)計(jì)的解讀而得到分類和回歸算法； 第5章討論不依賴于假設(shè)分布的非參數(shù)模型； 第6章介紹將核方法作為一種非線性拓展的技巧，介紹如何將該方法應(yīng)用到很多算法中，并引出了有名的高斯過程； 第7章以混合高斯作為軟分配聚類的代表性方法，從而引出有名的EM算法； 第8章討論了機(jī)器學(xué)習(xí)的集成算法； 第9章介紹的線性和非線性降維方法將會(huì)解決維度災(zāi)難問題，并且不同于單純的特征選擇； 0章討論不依賴于獨(dú)立同分布假設(shè)的時(shí)間序列算法。 本書適合對(duì)于統(tǒng)計(jì)學(xué)習(xí)感興趣的大學(xué)生、工程師閱讀參考。閱讀本書需要具備基礎(chǔ)的Python編程技術(shù)和基本的數(shù)學(xué)知識(shí)。
統(tǒng)計(jì)學(xué)習(xí)必學(xué)的十個(gè)問題——理論與實(shí)踐 目錄
第1章 防止過擬合
1.1 過擬合和欠擬合的背后
1.2 性能度量和損失函數(shù)
1.3 假設(shè)空間和VC維
1.4 偏差方差分解的意義
1.5 正則化和參數(shù)綁定
1.6 使用scikit-learn
第2章 特征選擇
2.1 包裹法Warpper
2.2 過濾法Filter
2.3 嵌入法Embedded
2.4 使用scikit-learn
第3章 回歸算法中的貝葉斯
3.1 快速理解判別式模型和生成式模型
3.2 極大似然估計(jì)和平方損失
3.3 *大后驗(yàn)估計(jì)和正則化
3.4 貝葉斯線性估計(jì)
3.5 使用scikit-learn
第4章 分類算法中的貝葉斯
4.1 廣義線性模型下的sigmoid函數(shù)和softmax函數(shù)
4.2 對(duì)數(shù)損失和交叉熵
4.3 邏輯回歸的多項(xiàng)式拓展和正則化
4.4 樸素貝葉斯分類器
4.5 拉普拉斯平滑和連續(xù)特征取值的處理方法
4.6 使用scikit-learn
第5章 非參數(shù)模型
5.1 K近鄰與距離度量
5.2 K近鄰與kd樹
5.3 決策樹和條件嫡
5.4 決策樹的剪枝
5.5 連續(xù)特征取值的處理方法和基尼指數(shù)
5.6 回歸樹
5.7 使用scikit-learn
第6章 核方法
6.1 核方法的本質(zhì)
6.2 對(duì)偶表示和拉格朗日乘子法
6.3 常見算法的核化拓展
6.4 高斯過程
6.5 使用scikit-learn
第7章 混合高斯：比高斯分布更強(qiáng)大
7.1 聚類的重要問題
7.2 潛變量與K均值
7.3 混合高斯和極大似然估計(jì)的失效
7.4 EM算法的核心步驟
7.5 使用scikit-learn
第8章 模型組合策略
8.1 Bagging和隨機(jī)森林
8.2 Boosting的基本框架
8.3 Adaboost
8.4 GBDT和XGBoost
8.5 使用scikit-learn
第9章 核化降維和學(xué)習(xí)流形
9.1 線性降維
9.2 核化線性降維
9.3 流形學(xué)習(xí)
9.4 使用scikit-learn
第10章 處理時(shí)間序列
10.1 概率圖模型和隱變量
10.2 高階馬爾可夫模型
10.3 隱馬爾可夫模型
10.4 隱馬爾可夫模型的EM算法
10.5 使用scikit-learn
參考文獻(xiàn)
展開全部
統(tǒng)計(jì)學(xué)習(xí)必學(xué)的十個(gè)問題——理論與實(shí)踐 作者簡(jiǎn)介
李軒涯，單位：百度公司，職務(wù)、職稱：高級(jí)工程師，性別：男，年齡：33，專業(yè)：計(jì)算機(jī)科學(xué)與技術(shù)，學(xué)歷：博士，研究成果：中國(guó)計(jì)算機(jī)學(xué)會(huì)杰出會(huì)員、常務(wù)理事，中國(guó)計(jì)算機(jī)實(shí)踐教育聯(lián)合會(huì)副理事長(zhǎng)。現(xiàn)主管百度校企合作、校企聯(lián)合人才培養(yǎng)、校園粉絲生態(tài)圈，幫助百度技術(shù)、人才及產(chǎn)品品牌在高校領(lǐng)域的推廣與影響力傳播。
書友推薦
- >
羅庸西南聯(lián)大授課錄
- >
朝聞道
- >
經(jīng)典常談
- >
名家?guī)阕x魯迅:朝花夕拾
- >
上帝之肋:男人的真實(shí)旅程
- >
李白與唐代文化
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
我從未如此眷戀人間
本類暢銷
