中图网(原中国图书网):网上书店,尾货特色书店,30万种特价书低至2折!

歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
機(jī)器學(xué)習(xí)公式詳解第2版

包郵 機(jī)器學(xué)習(xí)公式詳解第2版

出版社:人民郵電出版社出版時(shí)間:2021-12-01
開(kāi)本: 其他 頁(yè)數(shù): 308
中 圖 價(jià):¥50.4(5.6折) 定價(jià)  ¥89.8 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車(chē) 收藏
開(kāi)年大促, 全場(chǎng)包郵
?新疆、西藏除外
本類(lèi)五星書(shū)更多>

機(jī)器學(xué)習(xí)公式詳解第2版 版權(quán)信息

機(jī)器學(xué)習(xí)公式詳解第2版 本書(shū)特色

適讀人群 :(1)高等院校人工智能、計(jì)算機(jī)、自動(dòng)化等相關(guān)專(zhuān)業(yè)機(jī)器學(xué)習(xí)方向的學(xué)生; (2)學(xué)術(shù)界機(jī)器學(xué)習(xí)領(lǐng)域的研究人員和教師; (3)工業(yè)界對(duì)機(jī)器學(xué)習(xí)感興趣的專(zhuān)業(yè)人員和工程師。(1)320個(gè)公式的詳細(xì)推導(dǎo)解析。 在充分捕捉第1版“南瓜書(shū)”的讀者需求后,第2版擴(kuò)充了對(duì)“西瓜書(shū)”解讀的覆蓋面,公式解讀數(shù)量由250個(gè)上升至320個(gè)。 (2)機(jī)器學(xué)習(xí)初學(xué)小白提升數(shù)學(xué)基礎(chǔ)能力的強(qiáng)推練習(xí)冊(cè)! 延續(xù)第1版思路,第2版以本科數(shù)學(xué)基礎(chǔ)視角對(duì)“西瓜書(shū)”中的內(nèi)容做了更進(jìn)一步的解讀:新增20個(gè)對(duì)“西瓜書(shū)”圖片/定理的解讀;新增數(shù)學(xué)知識(shí)的解讀,同時(shí)將其前置在所用到的章節(jié)處,不再以附注的形式給出,便于目錄查閱;在部分章節(jié)開(kāi)篇處加注學(xué)習(xí)建議和些許見(jiàn)解,進(jìn)一步照顧數(shù)學(xué)基礎(chǔ)薄弱的讀者。 (3)以開(kāi)源方式多人協(xié)作,內(nèi)容品質(zhì)已被廣大讀者認(rèn)可。 “南瓜書(shū)”P(pán)DF版開(kāi)源教程于2020年5月發(fā)布之初榮登 GitHub Trending第2,“南瓜書(shū)”紙質(zhì)版出版2年后,16次印刷共7萬(wàn)余冊(cè)。配套視頻【吃瓜教程】播放量超16.2萬(wàn),經(jīng)過(guò)開(kāi)源教程、圖書(shū)及視頻的充分迭代后,形成第2版“南瓜書(shū)”,質(zhì)量已被廣大讀者充分驗(yàn)證。 (4)俞勇、王斌、李沐、程明明、陳光(博主@愛(ài)可可-愛(ài)生活)、徐亦達(dá)等人工智能領(lǐng)域大咖親筆推薦。

機(jī)器學(xué)習(xí)公式詳解第2版 內(nèi)容簡(jiǎn)介

周志華老師的《機(jī)器學(xué)習(xí)》(俗稱(chēng)“西瓜書(shū)”)是機(jī)器學(xué)習(xí)領(lǐng)域的經(jīng)典入門(mén)教材之一。本書(shū)是《機(jī)器學(xué)習(xí)公式詳解》(俗稱(chēng)“南瓜書(shū)”)的第2 版。相較于第1 版,本書(shū)對(duì)“西瓜書(shū)”中除了公式以外的重、難點(diǎn)內(nèi)容加以解析,以過(guò)來(lái)人視角給出學(xué)習(xí)建議,旨在對(duì)比較難理解的公式和重點(diǎn)內(nèi)容擴(kuò)充具體的例子說(shuō)明,以及對(duì)跳步過(guò)大的公式補(bǔ)充具體的推導(dǎo)細(xì)節(jié)。 全書(shū)共16 章,與“西瓜書(shū)”章節(jié)、公式對(duì)應(yīng),每個(gè)公式的推導(dǎo)和解釋都以本科數(shù)學(xué)基礎(chǔ)的視角進(jìn)行講解,希望能夠幫助讀者快速掌握各個(gè)機(jī)器學(xué)習(xí)算法背后的數(shù)學(xué)原理。 本書(shū)思路清晰,視角獨(dú)特,結(jié)構(gòu)合理,可作為高等院校計(jì)算機(jī)及相關(guān)專(zhuān)業(yè)的本科生或研究生教材,也可供對(duì)機(jī)器學(xué)習(xí)感興趣的研究人員和工程技術(shù)人員閱讀參考

機(jī)器學(xué)習(xí)公式詳解第2版 目錄

序(王斌 小米AI 實(shí)驗(yàn)室主任、NLP 首席科學(xué)家) 前言 主要符號(hào)表 資源與支持 第 1 章 緒論 1 1.1 引言 1 1.2 基本術(shù)語(yǔ) 1 1.3 假設(shè)空間 5 1.4 歸納偏好 5 1.4.1 式(1.1) 和式(1.2) 的解釋 6 第 2 章 模型評(píng)估與選擇 8 2.1 經(jīng)驗(yàn)誤差與過(guò)擬合 8 2.2 評(píng)估方法 9 2.2.1 算法參數(shù)(超參數(shù))與模型參數(shù) 10 2.2.2 驗(yàn)證集 10 2.3 性能度量 11 2.3.1 式(2.2) ~ 式(2.7) 的解釋 11 2.3.2 式(2.8) 和式(2.9) 的解釋 11 2.3.3 圖2.3 的解釋 11 2.3.4 式(2.10) 的推導(dǎo) 11 2.3.5 式(2.11) 的解釋 12 2.3.6 式(2.12) ~ 式(2.17) 的解釋 13 2.3.7 式(2.18) 和式(2.19) 的解釋 13 2.3.8 式(2.20) 的推導(dǎo) 14 2.3.9 式(2.21) 和式(2.22) 的推導(dǎo) 16 2.3.10 式(2.23) 的解釋 18 2.3.11 式(2.24) 的解釋 19 2.3.12 式(2.25) 的解釋 20 2.4 比較檢驗(yàn) 22 2.4.1 式(2.26) 的解釋 22 2.4.2 式(2.27) 的推導(dǎo) 23 2.5 偏差與方差 26 2.5.1 式(2.37) ~ 式(2.42) 的推導(dǎo) 26 參考文獻(xiàn) 29 第3 章 線性模型 30 3.1 基本形式 30 3.2 線性回歸 30 3.2.1 屬性數(shù)值化 30 3.2.2 式(3.4) 的解釋 31 3.2.3 式(3.5) 的推導(dǎo) 32 3.2.4 式(3.6) 的推導(dǎo) 32 3.2.5 式(3.7) 的推導(dǎo) 33 3.2.6 式(3.9) 的推導(dǎo) 35 3.2.7 式(3.10) 的推導(dǎo) 36 3.2.8 式(3.11) 的推導(dǎo) 36 3.3 對(duì)率回歸 39 3.3.1 式(3.27) 的推導(dǎo) 39 3.3.2 梯度下降法 41 3.3.3 牛頓法 42 3.3.4 式(3.29) 的解釋 44 3.3.5 式(3.30) 的推導(dǎo) 44 3.3.6 式(3.31) 的推導(dǎo) 45 3.4 線性判別分析 46 3.4.1 式(3.32) 的推導(dǎo) 46 3.4.2 式(3.37) ~ 式(3.39) 的推導(dǎo) 47 3.4.3 式(3.43) 的推導(dǎo) 48 3.4.4 式(3.44) 的推導(dǎo) 48 3.4.5 式(3.45) 的推導(dǎo) 49 3.5 多分類(lèi)學(xué)習(xí) 52 3.5.1 圖3.5 的解釋 52 3.6 類(lèi)別不平衡問(wèn)題 52 參考文獻(xiàn) 52 第4 章 決策樹(shù) 53 4.1 基本流程 53 4.2 劃分選擇 54 4.2.1 式(4.1) 的解釋 54 4.2.2 式(4.2) 的解釋 58 4.2.3 式(4.4) 的解釋 58 4.2.4 式(4.5) 的推導(dǎo) 59 4.2.5 式(4.6) 的解釋 59 4.3 剪枝處理 62 4.4 連續(xù)值與缺失值 63 4.4.1 式(4.7) 的解釋 63 4.4.2 式(4.8) 的解釋 64 4.4.3 式(4.12) 的解釋 64 4.5 多變量決策樹(shù) 64 4.5.1 圖4.10 的解釋 65 4.5.2 圖4.11 的解釋 65 參考文獻(xiàn) 66 第5 章 神經(jīng)網(wǎng)絡(luò) 67 5.1 神經(jīng)元模型 67 5.2 感知機(jī)與多層網(wǎng)絡(luò) 67 5.2.1 式(5.1) 和式(5.2) 的推導(dǎo) 67 5.2.2 圖5.5 的解釋 70 5.3 誤差逆?zhèn)鞑ニ惴? 70 5.3.1 式(5.10) 的推導(dǎo) 70 5.3.2 式(5.12) 的推導(dǎo) 70 5.3.3 式(5.13) 的推導(dǎo) 71 5.3.4 式(5.14) 的推導(dǎo) 72 5.3.5 式(5.15) 的推導(dǎo) 73 5.4 全局*小與局部極小 73 5.5 其他常見(jiàn)神經(jīng)網(wǎng)絡(luò) 73 5.5.1 式(5.18) 的解釋 73 5.5.2 式(5.20) 的解釋 73 5.5.3 式(5.22) 的解釋 74 5.5.4 式(5.23) 的解釋 74 5.6 深度學(xué)習(xí) 74 5.6.1 什么是深度學(xué)習(xí) 75 5.6.2 深度學(xué)習(xí)的起源 75 5.6.3 怎么理解特征學(xué)習(xí) 75 參考文獻(xiàn) 75 第6 章 支持向量機(jī) 77 6.1 間隔與支持向量 77 6.1.1 圖6.1 的解釋 77 6.1.2 式(6.1) 的解釋 77 6.1.3 式(6.2) 的推導(dǎo) 78 6.1.4 式(6.3) 的推導(dǎo) 78 6.1.5 式(6.4) 的推導(dǎo) 80 6.1.6 式(6.5) 的解釋 80 6.2 對(duì)偶問(wèn)題 80 6.2.1 凸優(yōu)化問(wèn)題 80 6.2.2 KKT 條件 80 6.2.3 拉格朗日對(duì)偶函數(shù) 81 6.2.4 拉格朗日對(duì)偶問(wèn)題 82 6.2.5 式(6.9) 和式(6.10) 的推導(dǎo) 85 6.2.6 式(6.11) 的推導(dǎo) 85 6.2.7 式(6.13) 的解釋 86 6.3 核函數(shù) 87 6.3.1 式(6.22) 的解釋 87 6.4 軟間隔與正則化 87 6.4.1 式(6.35) 的推導(dǎo) 87 6.4.2 式(6.37) 和式(6.38) 的推導(dǎo) 87 6.4.3 式(6.39) 的推導(dǎo) 87 6.4.4 式(6.40) 的推導(dǎo) 88 6.4.5 對(duì)率回歸與支持向量機(jī)的關(guān)系 88 6.4.6 式(6.41) 的解釋 89 6.5 支持向量回歸 89 6.5.1 式(6.43) 的解釋 89 6.5.2 式(6.45) 的推導(dǎo) 90 6.5.3 式(6.52) 的推導(dǎo) 91 6.6 核方法 92 6.6.1 式(6.57) 和式(6.58) 的解釋 92 6.6.2 式(6.65) 的推導(dǎo) 92 6.6.3 式(6.66) 和式(6.67) 的解釋 93 6.6.4 式(6.70) 的推導(dǎo) 94 6.6.5 核對(duì)率回歸 98 參考文獻(xiàn) 99 第7 章 貝葉斯分類(lèi)器 100 7.1 貝葉斯決策論 100 7.1.1 式(7.5) 的推導(dǎo) 100 7.1.2 式(7.6) 的推導(dǎo) 100 7.1.3 判別式模型與生成式模型 100 7.2 極大似然估計(jì) 101 7.2.1 式(7.12) 和式(7.13) 的推導(dǎo) 101 7.3 樸素貝葉斯分類(lèi)器 104 7.3.1 式(7.16) 和式(7.17) 的解釋 104 7.3.2 式(7.18) 的解釋 104 7.3.3 貝葉斯估計(jì) 105 7.3.4 Categorical 分布 105 7.3.5 Dirichlet 分布 106 7.3.6 式(7.19) 和式(7.20) 的推導(dǎo) 106 7.4 半樸素貝葉斯分類(lèi)器 110 7.4.1 式(7.21) 的解釋 110 7.4.2 式(7.22) 的解釋 111 7.4.3 式(7.23) 的推導(dǎo) 111 7.4.4 式(7.24) 和式(7.25) 的推導(dǎo) 112 7.5 貝葉斯網(wǎng) 112 7.5.1 式(7.27) 的解釋 112 7.6 EM 算法 113 7.6.1 Jensen 不等式 113 7.6.2 EM 算法的推導(dǎo) 113 參考文獻(xiàn) 121 第8 章 集成學(xué)習(xí) 122 8.1 個(gè)體與集成 123 8.1.1 式(8.1) 的解釋 123 8.1.2 式(8.2) 的解釋 123 8.1.3 式(8.3) 的推導(dǎo) 123 8.2 Boosting 124 8.2.1 式(8.4) 的解釋 125 8.2.2 式(8.5) 的解釋 125 8.2.3 式(8.6) 的推導(dǎo) 126 8.2.4 式(8.7) 的推導(dǎo) 126 8.2.5 式(8.8) 的推導(dǎo) 127 8.2.6 式(8.9) 的推導(dǎo) 127 8.2.7 式(8.10) 的解釋 128 8.2.8 式(8.11) 的推導(dǎo) 128 8.2.9 式(8.12) 的解釋 129 8.2.10 式(8.13) 的推導(dǎo) 129 8.2.11 式(8.14) 的推導(dǎo) 130 8.2.12 式(8.16) 的推導(dǎo) 131 8.2.13 式(8.17) 的推導(dǎo) 131 8.2.14 式(8.18) 的推導(dǎo) 132 8.2.15 式(8.19) 的推導(dǎo) 132 8.2.16 AdaBoost 的個(gè)人推導(dǎo) 133 8.2.17 進(jìn)一步理解權(quán)重更新公式 137 8.2.18 能夠接受帶權(quán)樣本的基學(xué)習(xí)算法 139 8.3 Bagging 與隨機(jī)森林 140 8.3.1 式(8.20) 的解釋 140 8.3.2 式(8.21) 的推導(dǎo) 140 8.3.3 隨機(jī)森林的解釋 141 8.4 結(jié)合策略 141 8.4.1 式(8.22) 的解釋 141 8.4.2 式(8.23) 的解釋 141 8.4.3 硬投票和軟投票的解釋 141 8.4.4 式(8.24) 的解釋 142 8.4.5 式(8.25) 的解釋 142 8.4.6 式(8.26) 的解釋 142 8.4.7 元學(xué)習(xí)器的解釋 142 8.4.8 Stacking 算法的解釋 143 8.5 多樣性 143 8.5.1 式(8.27) 的解釋 143 8.5.2 式(8.28) 的解釋 143 8.5.3 式(8.29) 的解釋 143 8.5.4 式(8.30) 的解釋 144 8.5.5 式(8.31) 的推導(dǎo) 144 8.5.6 式(8.32) 的解釋 144 8.5.7 式(8.33) 的解釋 145 8.5.8 式(8.34) 的解釋 145 8.5.9 式(8.35) 的解釋 145 8.5.10 式(8.36) 的解釋 145 8.5.11 式(8.40) 的解釋 145 8.5.12 式(8.41) 的解釋 146 8.5.13 式(8.42) 的解釋 146 8.5.14 多樣性增強(qiáng)的解釋 146 8.6 Gradient Boosting、GBDT、XGBoost的聯(lián)系與區(qū)別 147 8.6.1 從梯度下降的角度解釋AdaBoost 147 8.6.2 梯度提升 149 8.6.3 梯度提升樹(shù)(GBDT) 151 8.6.4 XGBoost 152 參考文獻(xiàn) 152 第9 章 聚類(lèi) 153 9.1 聚類(lèi)任務(wù) 153 9.2 性能度量 153 9.2.1 式(9.5) 的解釋 153 9.2.2 式(9.6) 的解釋 155 9.2.3 式(9.7) 的解釋 155 9.2.4 式(9.8) 的解釋 156 9.2.5 式(9.12) 的解釋 156 9.3 距離計(jì)算 156 9.3.1 式(9.21) 的解釋 156 9.4 原型聚類(lèi) 157 9.4.1 式(9.28) 的解釋 157 9.4.2 式(9.29) 的解釋 157 9.4.3 式(9.30) 的解釋 158 9.4.4 式(9.31) 的解釋 159 9.4.5 式(9.32) 的解釋 159 9.4.6 式(9.33) 的推導(dǎo) 160 9.4.7 式(9.34) 的推導(dǎo) 161 9.4.8 式(9.35) 的推導(dǎo) 162 9.4.9 式(9.36) 的解釋 164 9.4.10 式(9.37) 的推導(dǎo) 164 9.4.11 式(9.38) 的推導(dǎo) 165 9.4.12 圖9.6 的解釋 166 9.5 密度聚類(lèi) 166 9.5.1 密度直達(dá)、密度可達(dá)與密度相連 167 9.5.2 圖9.9 的解釋 168 9.6 層次聚類(lèi) 168 第 10 章 降維與度量學(xué)習(xí) 170 10.1 預(yù)備知識(shí) 170 10.1.1 符號(hào)約定 170 10.1.2 矩陣與單位陣、向量的乘法 170 10.2 矩陣的F 范數(shù)與跡 171 10.3 k 近鄰學(xué)習(xí) 173 10.3.1 式(10.1) 的解釋 173 10.3.2 式(10.2) 的推導(dǎo) 174 10.4 低維嵌入 175 10.4.1 圖10.2 的解釋 175 10.4.2 式(10.3) 的推導(dǎo) 175 10.4.3 式(10.4) 的推導(dǎo) 176 10.4.4 式(10.5) 的推導(dǎo) 177 10.4.5 式(10.6) 的推導(dǎo) 177 10.4.6 式(10.10) 的推導(dǎo) 178 10.4.7 式(10.11) 的解釋 179 10.4.8 圖10.3 關(guān)于MDS 算法的解釋 179 10.5 主成分分析 180 10.5.1 式(10.14) 的推導(dǎo) 180 10.5.2 式(10.16) 的解釋 184 10.5.3 式(10.17) 的推導(dǎo) 186 10.5.4 根據(jù)式(10.17) 求解式(10.16) 188 10.6 核化線性降維 188 10.6.1 式(10.19) 的解釋 189 10.6.2 式(10.20) 的解釋 189 10.6.3 式(10.21) 的解釋 190 10.6.4 式(10.22) 的解釋 190 10.6.5 式(10.24) 的推導(dǎo) 190 10.6.6 式(10.25) 的解釋 191 10.7 流形學(xué)習(xí) 191 10.7.1 等度量映射(Isomap) 的解釋 191 10.7.2 式(10.28) 的推導(dǎo) 192 10.7.3 式(10.31) 的推導(dǎo) 194 10.8 度量學(xué)習(xí) 196 10.8.1 式(10.34) 的解釋 196 10.8.2 式(10.35) 的解釋 197 10.8.3 式(10.36) 的解釋 197 10.8.4 式(10.37) 的解釋 198 10.8.5 式(10.38) 的解釋 198 10.8.6 式(10.39) 的解釋 198 參考文獻(xiàn) 199 第 11 章 特征選擇與稀疏學(xué)習(xí) 200 11.1 子集搜索與評(píng)價(jià) 200 11.1.1 式(11.1) 的解釋 200 11.1.2 式(11.2) 的解釋 200 11.2 過(guò)濾式選擇 201 11.3 包裹式選擇 201 11.4 嵌入式選擇與L1 正則化 202 11.4.1 式(11.5) 的解釋 202 11.4.2 式(11.6) 的解釋 202 11.4.3 式(11.7) 的解釋 203 11.4.4 式(11.8) 的解釋 203 11.4.5 式(11.9) 的解釋 203 11.4.6 式(11.10) 的推導(dǎo) 203 11.4.7 式(11.11) 的解釋 205 11.4.8 式(11.12) 的解釋 205 11.4.9 式(11.13) 的解釋 205 11.4.10 式(11.14) 的推導(dǎo) 205 11.5 稀疏表示與字典學(xué)習(xí) 208 11.5.1 式(11.15) 的解釋 208 11.5.2 式(11.16) 的解釋 208 11.5.3 式(11.17) 的推導(dǎo) 208 11.5.4 式(11.18) 的推導(dǎo) 208 11.6 壓縮感知 213 11.6.1 式(11.21) 的解釋 213 11.6.2 式(11.25) 的解釋 213 參考文獻(xiàn) 214 第 12 章 計(jì)算學(xué)習(xí)理論 215 12.1 基礎(chǔ)知識(shí) 215 12.1.1 式(12.1) 的解釋 216 12.1.2 式(12.2) 的解釋 216 12.1.3 式(12.3) 的解釋 216 12.1.4 式(12.4) 的解釋 216 12.1.5 式(12.5) 和式(12.6) 的解釋 216 12.1.6 式(12.7) 的解釋 217 12.2 PAC 學(xué)習(xí) 217 12.2.1 式(12.9) 的解釋 218 12.3 有限假設(shè)空間 218 12.3.1 式(12.10) 的解釋 219 12.3.2 式(12.11) 的解釋 219 12.3.3 式(12.12) 的推導(dǎo) 219 12.3.4 式(12.13) 的解釋 220 12.3.5 式(12.14) 的推導(dǎo) 220 12.3.6 引理12.1 的解釋 221 12.3.7 式(12.18) 的推導(dǎo) 221 12.3.8 式(12.19) 的推導(dǎo) 221 12.3.9 式(12.20) 的解釋 222 12.4 VC 維 223 12.4.1 式(12.21) 的解釋 223 12.4.2 式(12.22) 的解釋 223 12.4.3 式(12.23) 的解釋 224 12.4.4 引理12.2 的解釋 224 12.4.5 式(12.28) 的解釋 226 12.4.6 式(12.29) 的解釋 227 12.4.7 式(12.30) 的解釋 227 12.4.8 定理12.4 的解釋 228 12.5 Rademacher 復(fù)雜度 229 12.5.1 式(12.36) 的解釋 229 12.5.2 式(12.37) 的解釋 229 12.5.3 式(12.38) 的解釋 230 12.5.4 式(12.39) 的解釋 230 12.5.5 式(12.40) 的解釋 231 12.5.6 式(12.41) 的解釋 231 12.5.7 定理12.5 的解釋 231 12.6 定理12.6 的解釋 233 12.6.1 式(12.52) 的證明 235 12.6.2 式(12.53) 的推導(dǎo) 235 12.7 穩(wěn)定性 235 12.7.1 泛化損失/經(jīng)驗(yàn)損失/留一損失的解釋 236 12.7.2 式(12.57) 的解釋 236 12.7.3 定理12.8 的解釋 236 12.7.4 式(12.60) 的推導(dǎo) 237 12.7.5 經(jīng)驗(yàn)損失*小化 237 12.7.6 定理12.9 的證明的解釋 237 參考文獻(xiàn) 238 第 13 章 半監(jiān)督學(xué)習(xí) 240 13.1 未標(biāo)記樣本 240 13.2 生成式方法 240 13.2.1 式(13.1) 的解釋 241 13.2.2 式(13.2) 的推導(dǎo) 241 13.2.3 式(13.3) 的推導(dǎo) 242 13.2.4 式(13.4) 的推導(dǎo) 242 13.2.5 式(13.5) 的解釋 242 13.2.6 式(13.6) 的解釋 243 13.2.7 式(13.7) 的解釋 244 13.2.8 式(13.8) 的解釋 246 13.3 半監(jiān)督SVM 248 13.3.1 圖13.3 的解釋 248 13.3.2 式(13.9) 的解釋 248 13.3.3 圖13.4 的解釋 248 13.3.4 式(13.10) 的解釋 250 13.4 圖半監(jiān)督學(xué)習(xí) 250 13.4.1 式(13.12) 的推導(dǎo) 251 13.4.2 式(13.13) 的推導(dǎo) 252 13.4.3 式(13.14) 的推導(dǎo) 253 13.4.4 式(13.15) 的推導(dǎo) 253 13.4.5 式(13.16) 的解釋 254 13.4.6 式(13.17) 的推導(dǎo) 254 13.4.7 式(13.18) 的解釋 254 13.4.8 式(13.20) 的解釋 254 13.4.9 式(13.21) 的推導(dǎo) 255 13.5 基于分歧的方法 259 13.5.1 圖13.6 的解釋 259 13.6 半監(jiān)督聚類(lèi) 260 13.6.1 圖13.7 的解釋 260 13.6.2 圖13.9 的解釋 260 參考文獻(xiàn) 260 第 14 章 概率圖模型 261 14.1 隱馬爾可夫模型 261 14.1.1 生成式模型和判別式模型 261 14.1.2 式(14.1) 的推導(dǎo) 262 14.1.3 隱馬爾可夫模型的三組參數(shù) 263 14.2 馬爾可夫隨機(jī)場(chǎng) 263 14.2.1 式(14.2) 和式(14.3) 的解釋 263 14.2.2 式(14.4) ~ 式(14.7) 的推導(dǎo) 264 14.2.3 馬爾可夫毯 264 14.2.4 勢(shì)函數(shù) 265 14.2.5 式(14.8) 的解釋 265 14.2.6 式(14.9) 的解釋 265 14.3 條件隨機(jī)場(chǎng) 265 14.3.1 式(14.10) 的解釋 265 14.3.2 式(14.11) 的解釋 266 14.4 學(xué)習(xí)與推斷 266 14.4.1 式(14.14) 的推導(dǎo) 266 14.4.2 式(14.15) 和式(14.16) 的推導(dǎo) 266 14.4.3 式(14.17) 的解釋 267 14.4.4 式(14.18) 的推導(dǎo) 267 14.4.5 式(14.19) 的解釋 267 14.4.6 式(14.20) 的解釋 268 14.4.7 式(14.22) 的推導(dǎo) 268 14.4.8 圖14.8 的解釋 269 14.5 近似推斷 269 14.5.1 式(14.21) ~ 式(14.25) 的解釋 269 14.5.2 式(14.26) 的解釋 270 14.5.3 式(14.27) 的解釋 270 14.5.4 式(14.28) 的推導(dǎo) 270 14.5.5 吉布斯采樣與MH 算法 271 14.5.6 式(14.29) 的解釋 272 14.5.7 式(14.30) 的解釋 272 14.5.8 式(14.31) 的解釋 273 14.5.9 式(14.32) ~ 式(14.34) 的推導(dǎo) 273 14.5.10 式(14.35) 的解釋 274 14.5.11 式(14.36) 的推導(dǎo) 274 14.5.12 式(14.37) 和式(14.38) 的解釋 276 14.5.13 式(14.39) 的解釋 277 14.5.14 式(14.40) 的解釋 277 14.6 話題模型 278 14.6.1 式(14.41) 的解釋 278 14.6.2 式(14.42) 的解釋 279 14.6.3 式(14.43) 的解釋 279 14.6.4 式(14.44) 的解釋 279 參考文獻(xiàn) 279 第 15 章 規(guī)則學(xué)習(xí) 280 15.1 剪枝優(yōu)化 280 15.1.1 式(15.2) 和式(15.3) 的解釋 280 15.2 歸納邏輯程序設(shè)計(jì) 281 15.2.1 式(15.6) 的解釋 281 15.2.2 式(15.7) 的推導(dǎo) 281 15.2.3 式(15.9) 的推導(dǎo) 281 15.2.4 式(15.10) 的解釋 281 15.2.5 式(15.11) 的解釋 281 15.2.6 式(15.12) 的解釋 282 15.2.7 式(15.13) 的解釋 282 15.2.8 式(15.16) 的推導(dǎo) 282 第 16 章 強(qiáng)化學(xué)習(xí) 283 16.1 任務(wù)與獎(jiǎng)賞 283 16.2 K-搖臂賭博機(jī) 283 16.2.1 式(16.2) 和式(16.3) 的推導(dǎo) 283 16.2.2 式(16.4) 的解釋 283 16.3 有模型學(xué)習(xí) 284 16.3.1 式(16.7) 的解釋 284 16.3.2 式(16.8) 的推導(dǎo) 284 16.3.3 式(16.10) 的推導(dǎo) 285 16.3.4 式(16.14) 的解釋 285 16.3.5 式(16.15) 的解釋 285 16.3.6 式(16.16) 的推導(dǎo) 285 16.4 免模型學(xué)習(xí) 286 16.4.1 式(16.20) 的解釋 286 16.4.2 式(16.23) 的解釋 286 16.4.3 式(16.31) 的推導(dǎo) 286 16.5 值函數(shù)近似 287 16.5.1 式(16.33) 的解釋 287 16.5.2 式(16.34) 的推導(dǎo) 287 參考文獻(xiàn) 287
展開(kāi)全部

機(jī)器學(xué)習(xí)公式詳解第2版 作者簡(jiǎn)介

謝文睿 北京工業(yè)大學(xué)碩士,Datawhale開(kāi)源項(xiàng)目負(fù)責(zé)人,百度算法工程師,研究方向?yàn)闄C(jī)器學(xué)習(xí)與自然語(yǔ)言處理。 秦州 康奈爾大學(xué)計(jì)算機(jī)碩士,Datawhale成員,阿里巴巴算法專(zhuān)家,研究方向?yàn)閳D計(jì)算與自然語(yǔ)言處理, 在NeurIPS、AAAI、CIKM等會(huì)議上錄用多篇學(xué)術(shù)論文并獲得CIKM 2019最佳應(yīng)用論文獎(jiǎng)。 賈彬彬 工學(xué)博士,蘭州理工大學(xué)講師,研究方向?yàn)闄C(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘,在TKDE、TNNLS、PRJ、ICML、AAAI等期刊和會(huì)議上共發(fā)表學(xué)術(shù)論文十余篇,并擔(dān)任ICML、NeurIPS、ICLR、AAAI、IJCAI 等會(huì)議的程序委員會(huì)委員(PC Member)。

暫無(wú)評(píng)論……
書(shū)友推薦
本類(lèi)暢銷(xiāo)
返回頂部
中圖網(wǎng)
在線客服
主站蜘蛛池模板: 空气能采暖,热泵烘干机,空气源热水机组|设备|厂家,东莞高温热泵_正旭新能源 | 注塑机-压铸机-塑料注塑机-卧式注塑机-高速注塑机-单缸注塑机厂家-广东联升精密智能装备科技有限公司 | 北京自然绿环境科技发展有限公司专业生产【洗车机_加油站洗车机-全自动洗车机】 | 丽陂特官网_手机信号屏蔽器_Wifi信号干扰器厂家_学校考场工厂会议室屏蔽仪 | 耐磨焊丝,堆焊焊丝,耐磨药芯焊丝,碳化钨焊丝-北京耐默公司 | 杭州画室_十大画室_白墙画室_杭州美术培训_国美附中培训_附中考前培训_升学率高的画室_美术中考集训美术高考集训基地 | 杰福伦_磁致伸缩位移传感器_线性位移传感器-意大利GEFRAN杰福伦-河南赉威液压科技有限公司 | 无刷电机_直流无刷电机_行星减速机-佛山市藤尺机电设备有限公司 无菌检查集菌仪,微生物限度仪器-苏州长留仪器百科 | 电杆荷载挠度测试仪-电杆荷载位移-管桩测试仪-北京绿野创能机电设备有限公司 | 台式低速离心机-脱泡离心机-菌种摇床-常州市万丰仪器制造有限公司 | 并网柜,汇流箱,电控设备,中高低压开关柜,电气电力成套设备,PLC控制设备订制厂家,江苏昌伟业新能源科技有限公司 | 成都软件开发_OA|ERP|CRM|管理系统定制开发_成都码邻蜀科技 | 河南15年专业网站建设制作设计,做网站就找郑州启凡网络公司 | 半自动预灌装机,卡式瓶灌装机,注射器灌装机,给药器灌装机,大输液灌装机,西林瓶灌装机-长沙一星制药机械有限公司 | 室内室外厚型|超薄型|非膨胀型钢结构防火涂料_隧道专用防火涂料厂家|电话|价格|批发|施工 | 打造全球沸石生态圈 - 国投盛世 锂电混合机-新能源混合机-正极材料混料机-高镍,三元材料混料机-负极,包覆混合机-贝尔专业混合混料搅拌机械系统设备厂家 | 赛尔特智能移动阳光房-阳光房厂家-赛尔特建筑科技(广东)有限公司 | 江西自考网-江西自学考试网| 点胶机_点胶阀_自动点胶机_智能点胶机_喷胶机_点胶机厂家【欧力克斯】 | 博博会2021_中国博物馆及相关产品与技术博览会【博博会】 | 制冷采购电子商务平台——制冷大市场 | 江西高职单独招生-江西单招考试-江西高职单招网 | 选宝石船-陆地水上开采「精选」色选机械设备-青州冠诚重工机械有限公司 | 骁龙云呼电销防封号系统-axb电销平台-外呼稳定『免费试用』 | 包塑软管|金属软管|包塑金属软管-闵彬管业 | 气动隔膜泵-电动隔膜泵-循环热水泵-液下排污/螺杆/管道/化工泵「厂家」浙江绿邦 | CNC机加工-数控加工-精密零件加工-ISO认证厂家-鑫创盟 | 北京银联移动POS机办理_收银POS机_智能pos机_刷卡机_收银系统_个人POS机-谷骐科技【官网】 | 骨密度仪-骨密度测定仪-超声骨密度仪-骨龄测定仪-天津开发区圣鸿医疗器械有限公司 | 缠膜机|缠绕包装机|无纺布包装机-济南达伦特机械设备有限公司 | 房车价格_依维柯/大通/东风御风/福特全顺/江铃图片_云梯搬家车厂家-程力专用汽车股份有限公司 | 锂电混合机-新能源混合机-正极材料混料机-高镍,三元材料混料机-负极,包覆混合机-贝尔专业混合混料搅拌机械系统设备厂家 | 手持式线材张力计-套帽式风量罩-深圳市欧亚精密仪器有限公司 | 千斤顶,液压千斤顶-力良企业,专业的液压千斤顶制造商,shliliang.com | 西安耀程造价培训机构_工程预算实训_广联达实作实操培训 | 地磅-地秤-江阴/无锡地磅-江阴天亿计量设备有限公司_ | 考试试题_试卷及答案_诗词单词成语 - 优易学 | 急救箱-应急箱-急救包厂家-北京红立方医疗设备有限公司 | RS系列电阻器,RK_RJ启动调整电阻器,RQ_RZ电阻器-上海永上电器有限公司 | 水冷式工业冷水机组_风冷式工业冷水机_水冷螺杆冷冻机组-深圳市普威机械设备有限公司 | 美国PARKER齿轮泵,美国PARKER柱塞泵,美国PARKER叶片泵,美国PARKER电磁阀,美国PARKER比例阀-上海维特锐实业发展有限公司二部 |