掃一掃
關(guān)注中圖網(wǎng)
官方微博
中圖價(jià):¥73.0
加入購物車
機(jī)器學(xué)習(xí):從公理到算法(第2版) 版權(quán)信息
- ISBN：9787302682561
- 條形碼：9787302682561 ; 978-7-302-68256-1
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
機(jī)器學(xué)習(xí):從公理到算法(第2版) 本書特色
本書第1版于2017年出版，出版后受到廣泛好評(píng)，被多所高等院校作為本科生、研究生教材。
機(jī)器學(xué)習(xí):從公理到算法(第2版) 內(nèi)容簡(jiǎn)介
"機(jī)器學(xué)習(xí)的主要目的是從有限的數(shù)據(jù)中學(xué)習(xí)到知識(shí)。而知識(shí)的基本單元是概念。借助于概念，人類可以在繁復(fù)的思想與多彩的世界之間建立起映射，指認(rèn)各種對(duì)象，發(fā)現(xiàn)各種規(guī)律，表達(dá)各種想法，交流各種觀念。一旦缺失相應(yīng)的概念，人們將無法思考、交流，甚至于無法順利地生活、學(xué)習(xí)、工作、醫(yī)療、娛樂等。哲學(xué)家如卡西爾等甚至認(rèn)為人類的本質(zhì)特性是能夠使用和創(chuàng)造各種符號(hào)概念。因此，如何使機(jī)器能夠像人一樣能夠自動(dòng)發(fā)現(xiàn)、運(yùn)用概念，正是機(jī)器學(xué)習(xí)當(dāng)前的重要研究?jī)?nèi)容。本書將集中討論這個(gè)問題。本書借助學(xué)于認(rèn)知科學(xué)的研究成果，提出了類的統(tǒng)一表示數(shù)學(xué)模型，以及與之相關(guān)的歸類問題的統(tǒng)一數(shù)學(xué)表示。由此提出了類表示公理，歸類公理和歸類測(cè)試公理。據(jù)此， 本書分別研究了歸類結(jié)果分類、歸類算法分類、以及歸類判據(jù)設(shè)計(jì)原則等諸多問題。 并借助于提出的公理模型以統(tǒng)一的方式解釋了機(jī)器學(xué)習(xí)中數(shù)據(jù)降維、密度估計(jì)、回歸、聚類和分類等問題中常用的歸類算法。 "
機(jī)器學(xué)習(xí):從公理到算法(第2版)機(jī)器學(xué)習(xí):從公理到算法(第2版) 前言
機(jī)器學(xué)習(xí)的主要目的是從有限的數(shù)據(jù)中學(xué)習(xí)到知識(shí)，而知識(shí)的基本單元是概念。借助于概念，人類可以在繁復(fù)的思想與多彩的世界之間建立起映射，指認(rèn)各種對(duì)象，發(fā)現(xiàn)各種規(guī)律，表達(dá)各種想法，交流各種觀念。一旦缺失相應(yīng)的概念，人們將無法思考、交流，甚至無法順利地生活、學(xué)習(xí)、工作、醫(yī)療、娛樂等。哲學(xué)家卡西爾等甚至認(rèn)為人類的本質(zhì)特性是能夠使用和創(chuàng)造各種符號(hào)概念。因此，如何使機(jī)器能夠像人一樣自動(dòng)發(fā)現(xiàn)、運(yùn)用概念，正是機(jī)器學(xué)習(xí)的基本研究?jī)?nèi)容。本書將集中討論這個(gè)問題。
所謂的概念發(fā)現(xiàn)，是指從一個(gè)給定概念（或者概念集合）的有限外延子集提取對(duì)應(yīng)的概念（或者概念集合）表示，又稱歸類問題。通過自然進(jìn)化，人類可以從一個(gè)概念（或概念集合）的有限外延子集（有限的對(duì)象）中輕松提取概念（或概念集合）自身。對(duì)于人類如何處理歸類問題，人們已經(jīng)研究了很多年，發(fā)明了許多理論，比如經(jīng)典概念理論、原型理論、樣例理論和知識(shí)理論等，積累了很多的研究成果。本書借助認(rèn)知科學(xué)的研究成果，提出了類的統(tǒng)一表示數(shù)學(xué)模型，以及與之相關(guān)的歸類問題的統(tǒng)一數(shù)學(xué)表示。由此提出了類表示公理、歸類公理和分類測(cè)試公理。據(jù)此，本書分別研究了歸類結(jié)果分類、歸類算法分類等諸多問題。特別需要提出的是，本書首次歸納了歸類算法設(shè)計(jì)應(yīng)該遵循的 4條準(zhǔn)則，即類一致性準(zhǔn)則、類緊致性準(zhǔn)則、類分離性準(zhǔn)則和奧卡姆剃刀準(zhǔn)則。在理論上，任何機(jī)器學(xué)習(xí)算法的目標(biāo)函數(shù)設(shè)計(jì)都遵循上述 4條準(zhǔn)則的 1條或者數(shù)條。
機(jī)器學(xué)習(xí):從公理到算法(第2版) 目錄
第 1 章 引言 1
1.1 機(jī)器學(xué)習(xí)的目的：從數(shù)據(jù)到知識(shí) 1
1.2 機(jī)器學(xué)習(xí)的基本框架 2
1.2.1 數(shù)據(jù)集合與對(duì)象特性表示 3
1.2.2 學(xué)習(xí)判據(jù) 4
1.2.3 學(xué)習(xí)算法 5
1.2.4 評(píng)估方法 5
1.3 機(jī)器學(xué)習(xí)思想簡(jiǎn)論 5
延伸閱讀 7
習(xí)題 8
參考文獻(xiàn) 9
第 2 章 歸類理論 11
2.1 類表示與類表示公理 13
2.2 歸類公理 17
2.3 歸類結(jié)果分類 20
2.4 歸類方法設(shè)計(jì)準(zhǔn)則 22
2.4.1 類一致性準(zhǔn)則 23
2.4.2 類緊致性準(zhǔn)則 24
2.4.3 類分離性準(zhǔn)則 25
2.4.4 奧卡姆剃刀準(zhǔn)則 26
討論 28
延伸閱讀 29
習(xí)題 30
參考文獻(xiàn) 32
第 3 章 密度估計(jì) 33
3.1 密度估計(jì)的參數(shù)方法 33
3.1.1 *大似然估計(jì) 33
3.1.2 貝葉斯估計(jì) 35
3.2 密度估計(jì)的非參數(shù)方法 39
3.2.1 直方圖 39
3.2.2 核密度估計(jì) 39
3.2.3 K 近鄰密度估計(jì)法 40
延伸閱讀 40
習(xí)題 41
參考文獻(xiàn) 41
第 4 章 回歸 43
4.1 線性回歸 43
4.2 嶺回歸 47
4.3 Lasso 回歸 48
討論 51
習(xí)題 52
參考文獻(xiàn) 52
第 5 章 單類數(shù)據(jù)降維 55
5.1 主成分分析 56
5.2 非負(fù)矩陣分解 58
5.3 字典學(xué)習(xí)與稀疏表示 59
5.4 局部線性嵌入 61
5.5 多維度尺度分析與等距映射 64
5.6 典型關(guān)聯(lián)分析 66
5.7 隨機(jī)鄰域嵌入及其擴(kuò)展 68
5.7.1 隨機(jī)鄰域嵌入 68
5.7.2 t-SNE 70
討論 71
習(xí)題 71
參考文獻(xiàn) 72
第 6 章 聚類理論 73
6.1 聚類問題表示及相關(guān)定義 73
6.2 聚類算法設(shè)計(jì)準(zhǔn)則 74
6.2.1 類緊致性準(zhǔn)則和聚類不等式 74
6.2.2 類分離性準(zhǔn)則和重合類非穩(wěn)定假設(shè) 76
6.2.3 類一致性準(zhǔn)則和迭代型聚類算法 77
6.3 聚類有效性 77
6.3.1 外部方法 77
6.3.2 內(nèi)蘊(yùn)方法 79
延伸閱讀 80
習(xí)題 81
參考文獻(xiàn) 81
第 7 章 聚類算法 85
7.1 樣例理論：圖聚類算法 85
7.1.1 層次聚類算法 86
7.1.2 HB 聚類算法 88
7.1.3 SATB 聚類算法 90
7.2 原型理論：點(diǎn)原型聚類算法 92
7.2.1 C 均值算法 93
7.2.2 模糊 C 均值 95
7.2.3 *大熵 C 均值算法 97
7.3 基于密度估計(jì)的聚類算法 99
7.3.1 基于參數(shù)密度估計(jì)的聚類算法 99
7.3.2 基于無參數(shù)密度估計(jì)的聚類算法 107
延伸閱讀 117
習(xí)題 118
參考文獻(xiàn) 118
第 8 章 分類理論 121
8.1 分類及相關(guān)定義 121
8.2 從歸類理論到經(jīng)典分類理論 122
8.2.1 PAC 理論 123
8.2.2 統(tǒng)計(jì)學(xué)習(xí)理論 125
8.3 分類測(cè)試公理 128
8.4 分類性能評(píng)估 129
討論 130
習(xí)題 131
參考文獻(xiàn) 131
第 9 章 基于單類的分類算法：神經(jīng)網(wǎng)絡(luò) 133
9.1 分類問題的回歸表示 133
9.2 人工神經(jīng)網(wǎng)絡(luò) 134
9.2.1 人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 134
9.2.2 前饋神經(jīng)網(wǎng)絡(luò) 136
9.3 從參數(shù)密度估計(jì)到受限玻耳茲曼機(jī) 141
9.4 深度學(xué)習(xí) 143
9.4.1 自編碼器 144
9.4.2 卷積神經(jīng)網(wǎng)絡(luò) 145
9.4.3 Transformer 147
討論 149
習(xí)題 150
參考文獻(xiàn) 151
第 10 章 K 近鄰分類模型 155
10.1 K 近鄰算法 156
10.1.1 K 近鄰算法問題表示 156
10.1.2 K 近鄰分類算法 157
10.1.3 K 近鄰分類算法的理論錯(cuò)誤率 158
10.2 距離加權(quán)*近鄰算法 159
10.3 K 近鄰算法加速策略 160
10.4 kd 樹 161
10.5 K 近鄰算法中的參數(shù)問題 162
延伸閱讀 163
習(xí)題 164
參考文獻(xiàn) 164
第 11 章 線性分類模型 165
11.1 判別函數(shù)和判別模型 165
11.2 線性判別函數(shù) 166
11.3 線性感知機(jī)算法 169
11.3.1 感知機(jī)數(shù)據(jù)表示 169
11.3.2 感知機(jī)算法的歸類判據(jù) 170
11.3.3 感知機(jī)分類算法 171
11.4 支持向量機(jī) 174
11.4.1 線性可分支持向量機(jī) 174
11.4.2 近似線性可分支持向量機(jī) 177
11.4.3 多類分類問題 180
討論 182
習(xí)題 183
參考文獻(xiàn) 184
第 12 章 對(duì)數(shù)線性分類模型 185
12.1 Softmax 回歸 185
12.2 Logistic 回歸 188
討論 190
習(xí)題 191
參考文獻(xiàn) 191
第 13 章 貝葉斯決策 193
13.1 貝葉斯分類器 193
13.2 樸素貝葉斯分類 194
13.2.1 *大似然估計(jì) 196
13.2.2 貝葉斯估計(jì) 199
13.3 *小化風(fēng)險(xiǎn)分類 201
13.4 效用*大化分類 203
討論 203
習(xí)題 204
參考文獻(xiàn) 204
第 14 章 決策樹 205
14.1 決策樹的類表示 205
14.2 信息增益與 ID3 算法 210
14.3 增益比率與 C4.5 算法 212
14.4 Gini 指數(shù)與 CART 算法 213
14.5 決策樹的剪枝 214
討論 215
習(xí)題 215
參考文獻(xiàn) 216
第 15 章 多類數(shù)據(jù)降維 217
15.1 有監(jiān)督特征選擇模型 217
15.1.1 過濾式特征選擇 218
15.1.2 包裹式特征選擇 219
15.1.3 嵌入式特征選擇 219
15.2 有監(jiān)督特征提取模型 220
15.2.1 線性判別分析 220
15.2.2 二分類線性判別分析問題 220
15.2.3 二分類線性判別分析 221
15.2.4 二分類線性判別分析優(yōu)化算法 223
15.2.5 多分類線性判別分析 223
延伸閱讀 225
習(xí)題 225
參考文獻(xiàn) 225
第 16 章 多類數(shù)據(jù)升維：核方法 227
16.1 核方法 227
16.2 非線性支持向量機(jī) 228
16.2.1 特征空間 228
16.2.2 核函數(shù) 228
16.2.3 常用核函數(shù) 230
16.2.4 非線性支持向量機(jī) 230
16.3 多核方法 231
討論 233
習(xí)題 233
參考文獻(xiàn) 234
第 17 章 多源數(shù)據(jù)學(xué)習(xí) 235
17.1 多源數(shù)據(jù)學(xué)習(xí)的分類 235
17.2 單類多源數(shù)據(jù)學(xué)習(xí) 235
17.2.1 完整視角下的單類多源數(shù)據(jù)學(xué)習(xí) 236
17.2.2 不完整視角下的單類多源數(shù)據(jù)學(xué)習(xí) 238
17.3 多類多源數(shù)據(jù)學(xué)習(xí) 239
17.4 多源數(shù)據(jù)學(xué)習(xí)中的基本假設(shè) 240
討論 240
習(xí)題 241
參考文獻(xiàn) 241
后記 243
寫在《機(jī)器學(xué)習(xí)：從公理到算法》第 4 次印刷之后 247
寫在《機(jī)器學(xué)習(xí)：從公理到算法》第 5 次印刷之后 249
索引 251
展開全部
機(jī)器學(xué)習(xí):從公理到算法(第2版) 作者簡(jiǎn)介
于劍,北京交通大學(xué)計(jì)算機(jī)學(xué)院教授,博導(dǎo),人工智能研究院院長(zhǎng),中國人工智能學(xué)會(huì)會(huì)士、副秘書長(zhǎng)。承擔(dān)多項(xiàng)國家自然科學(xué)基金項(xiàng)目,發(fā)表多篇學(xué)術(shù)論文, 包括TPAMI, CVPR 等。
書友推薦
- >
唐代進(jìn)士錄
- >
苦雨齋序跋文-周作人自編集
- >
二體千字文
- >
我與地壇
- >
回憶愛瑪儂
- >
【精裝繪本】畫給孩子的中國神話
- >
羅曼·羅蘭讀書隨筆-精裝
- >
姑媽的寶刀
本類暢銷
