掃一掃
關(guān)注中圖網(wǎng)
官方微博
中圖價(jià):¥48.6
加入購物車
機(jī)器學(xué)習(xí)導(dǎo)論 版權(quán)信息
- ISBN：9787111685111
- 條形碼：9787111685111 ; 978-7-111-68511-1
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
機(jī)器學(xué)習(xí)導(dǎo)論 本書特色
適讀人群 ：高等院校智能科學(xué)與技術(shù)、數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、電子信息類等專業(yè)的高年級(jí)本科生、研究生配套資源：電子課件、習(xí)題答案、教學(xué)大綱、試題題庫 本書特色： 本書深入淺出地介紹機(jī)器學(xué)習(xí)的基本概念、基礎(chǔ)知識(shí)和基本原理，不涉及太多、太難的數(shù)學(xué)知識(shí)，用通俗易懂的語言闡述機(jī)器學(xué)習(xí)的理論基礎(chǔ)，讓讀者透徹理解機(jī)器學(xué)習(xí)方法和原理。在實(shí)用性方面，基于機(jī)器學(xué)習(xí)的理論基礎(chǔ)，結(jié)合實(shí)例介紹機(jī)器學(xué)習(xí)經(jīng)典算法，旨在培養(yǎng)學(xué)生的計(jì)算思維能力，使讀者從理論基礎(chǔ)和實(shí)際應(yīng)用兩個(gè)層面全面掌握機(jī)器學(xué)習(xí)的核心技術(shù)，知其然且知其所以然，培養(yǎng)學(xué)生解決實(shí)際問題的能力。
機(jī)器學(xué)習(xí)導(dǎo)論 內(nèi)容簡介
本書是一本淺顯易懂的機(jī)器學(xué)習(xí)入門教材，深入淺出地介紹了機(jī)器學(xué)習(xí)的基礎(chǔ)理論、模型與經(jīng)典方法，并適當(dāng)融入了深度學(xué)習(xí)的前沿知識(shí)。全書共9章，主要內(nèi)容包括：機(jī)器學(xué)習(xí)概述、回歸模型（線性回歸、多項(xiàng)式回歸、嶺回歸、套索回歸、彈性網(wǎng)絡(luò)、邏輯斯諦回歸、Softmax回歸）、k*近鄰和kd樹算法、支持向量機(jī)、貝葉斯分類器與貝葉斯網(wǎng)絡(luò)、決策樹、集成學(xué)習(xí)（AdaBoost、GBDT、隨機(jī)森林和極端隨機(jī)樹）、聚類（k均值算法、BIRCH算法、DBSCAN算法、OPTICS算法）、深度學(xué)習(xí)（卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成式對(duì)抗網(wǎng)絡(luò)）。每章都附有小結(jié)與習(xí)題，便于讀者對(duì)知識(shí)的鞏固和融會(huì)貫通。 本書注重選材，內(nèi)容豐富，條理清晰，通俗易懂，著重突出機(jī)器學(xué)習(xí)方法的思想內(nèi)涵和本質(zhì)，力求反映機(jī)器學(xué)習(xí)領(lǐng)域的核心知識(shí)體系和發(fā)展趨勢。 本書可作為高等院校智能科學(xué)與技術(shù)、數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、電子信息類等專業(yè)的高年級(jí)本科生、研究生的教材或教學(xué)參考書，也可供人工智能、數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)相關(guān)行業(yè)的工程技術(shù)人員學(xué)習(xí)參考。
機(jī)器學(xué)習(xí)導(dǎo)論 目錄
前言
第1章機(jī)器學(xué)習(xí)概述1
1.1機(jī)器學(xué)習(xí)的概念與基本術(shù)語1
1.2人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)三者的關(guān)系6
1.3機(jī)器學(xué)習(xí)的三個(gè)基本要素11
1.4機(jī)器學(xué)習(xí)模型的分類16
1.5數(shù)據(jù)預(yù)處理24
1.6模型選擇與評(píng)估29
1.7小結(jié)43
1.8習(xí)題43
第2章回歸模型45
2.1線性回歸45
2.2多項(xiàng)式回歸53
2.3線性回歸的正則化——嶺回歸和套索回歸54
2.4邏輯斯諦回歸58
2.5 Softmax回歸61
2.6小結(jié)63
2.7習(xí)題64
第3章 k-*近鄰和k-d樹算法66
3.1 k-*近鄰法66
3.2 k-d樹70
3.3小結(jié)75
3.4習(xí)題76
第4章 支持向量機(jī)77
4.1統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)77
4.2支持向量機(jī)的基本原理和特點(diǎn)84
4.3線性SVM90
4.4基于核函數(shù)的非線性SVM95
4.5多分類SVM96
4.6支持向量機(jī)的訓(xùn)練100
4.7小結(jié)104
4.8習(xí)題105
第5章 貝葉斯分類器與貝葉斯網(wǎng)絡(luò)106
5.1貝葉斯方法106
5.2貝葉斯分類器113
5.3貝葉斯網(wǎng)絡(luò)119
5.4小結(jié)128
5.5習(xí)題129
第6章 決策樹130
6.1概述130
6.2決策樹學(xué)習(xí)134
6.3特征（或?qū)傩裕┻x擇135
6.4 ID3算法144
6.5 C4.5算法145
6.6CART算法146
6.7決策樹的剪枝149
6.8決策樹的優(yōu)缺點(diǎn)150
6.9小結(jié)151
6.10習(xí)題151
第7章 集成學(xué)習(xí)153
7.1集成學(xué)習(xí)概述153
7.2 AdaBoost算法159
7.3梯度提升決策樹（GBDT）160
7.4隨機(jī)森林和極端隨機(jī)樹163
7.5小結(jié)166
7.6習(xí)題168
第8章 聚類169
8.1聚類概述169
8.2 k-均值算法175
8.3 BIRCH算法178
8.4基于密度的聚類算法183
8.5小結(jié)190
8.6習(xí)題191
第9章 深度學(xué)習(xí)192
9.1人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)192
9.2卷積神經(jīng)網(wǎng)絡(luò)207
9.3循環(huán)神經(jīng)網(wǎng)絡(luò)218
9.4生成式對(duì)抗網(wǎng)絡(luò)226
9.5小結(jié)238
9.6習(xí)題239
附錄 縮略語英漢對(duì)照240
參考文獻(xiàn)242
第1章機(jī)器學(xué)習(xí)概述1
1.1機(jī)器學(xué)習(xí)的概念與基本術(shù)語1
1.2人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)三者的關(guān)系6
1.3機(jī)器學(xué)習(xí)的三個(gè)基本要素11
1.4機(jī)器學(xué)習(xí)模型的分類16
1.5數(shù)據(jù)預(yù)處理24
1.6模型選擇與評(píng)估29
1.7小結(jié)43
1.8習(xí)題43
第2章回歸模型45
2.1線性回歸45
2.2多項(xiàng)式回歸53
2.3線性回歸的正則化——嶺回歸和套索回歸54
2.4邏輯斯諦回歸58
2.5 Softmax回歸61
2.6小結(jié)63
2.7習(xí)題64
第3章 k-*近鄰和k-d樹算法66
3.1 k-*近鄰法66
3.2 k-d樹70
3.3小結(jié)75
3.4習(xí)題76
第4章 支持向量機(jī)77
4.1統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)77
4.2支持向量機(jī)的基本原理和特點(diǎn)84
4.3線性SVM90
4.4基于核函數(shù)的非線性SVM95
4.5多分類SVM96
4.6支持向量機(jī)的訓(xùn)練100
4.7小結(jié)104
4.8習(xí)題105
第5章 貝葉斯分類器與貝葉斯網(wǎng)絡(luò)106
5.1貝葉斯方法106
5.2貝葉斯分類器113
5.3貝葉斯網(wǎng)絡(luò)119
5.4小結(jié)128
5.5習(xí)題129
第6章 決策樹130
6.1概述130
6.2決策樹學(xué)習(xí)134
6.3特征（或?qū)傩裕┻x擇135
6.4 ID3算法144
6.5 C4.5算法145
6.6CART算法146
6.7決策樹的剪枝149
6.8決策樹的優(yōu)缺點(diǎn)150
6.9小結(jié)151
6.10習(xí)題151
第7章 集成學(xué)習(xí)153
7.1集成學(xué)習(xí)概述153
7.2 AdaBoost算法159
7.3梯度提升決策樹（GBDT）160
7.4隨機(jī)森林和極端隨機(jī)樹163
7.5小結(jié)166
7.6習(xí)題168
第8章 聚類169
8.1聚類概述169
8.2 k-均值算法175
8.3 BIRCH算法178
8.4基于密度的聚類算法183
8.5小結(jié)190
8.6習(xí)題191
第9章 深度學(xué)習(xí)192
9.1人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)192
9.2卷積神經(jīng)網(wǎng)絡(luò)207
9.3循環(huán)神經(jīng)網(wǎng)絡(luò)218
9.4生成式對(duì)抗網(wǎng)絡(luò)226
9.5小結(jié)238
9.6習(xí)題239
附錄 縮略語英漢對(duì)照240
參考文獻(xiàn)242
展開全部
書友推薦
- >
朝聞道
- >
唐代進(jìn)士錄
- >
詩經(jīng)-先民的歌唱
- >
【精裝繪本】畫給孩子的中國神話
- >
羅庸西南聯(lián)大授課錄
- >
月亮與六便士
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
