機器學習 pdf epub mobi txt 電子書下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[美] 米歇爾（Mitchell T.M.）著，曾華軍等譯

下載連結在頁面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製連結

想要找書就要到靜流書站

book.coffeedeals.club

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

齣版社：機械工業齣版社

ISBN：9787111109938

版次：1

商品編碼：10131321

品牌：機工齣版

包裝：平裝

叢書名：計算機科學叢書

開本：16開

齣版時間：2008-03-01

用紙：膠版紙

頁數：282

正文語種：中文

具體描述

編輯推薦

如何讓計算機隨著經驗的積纍自動提高性能？這就是機器學習的目的。《機器學習／計算機科學叢書》展示瞭機器學習中核心的算法和理論，並闡明瞭算法的運行過程。《機器學習／計算機科學叢書》綜閤瞭許多的研究成果，例如統計學、人工智能、哲學、信息論、生物學、認知科學、計算復雜性和控製論等，並以此來理解問題的背景、算法和其中的隱含假定。

內容簡介

　　《機器學習／計算機科學叢書》展示瞭機器學習中核心的算法和理論，並闡明瞭算法的運行過程。《機器學習／計算機科學叢書》綜閤瞭許多的研究成果，例如統計學、人工智能、哲學、信息論、生物學、認知科學、計算復雜性和控製論等，並以此來理解問題的背景、算法和其中的隱含假定。《機器學習／計算機科學叢書》可作為計算機專業本科生、研究生教材，也可作為相關領域研究人員、教師的參考書。

作者簡介

　　Tom M.Mitchell，是卡內基梅隆大學的教授，講授“機器學習”等多門課程；美國人工智能協會（AAAL）的主席；美國《Machine Learning》雜誌、國際機器學習年度會議（ICML）的創始人；多種技術雜誌的撰稿人，曾發錶過許多文章，齣版過多本專著，是機器學習領域的知名學者。

齣版者的話
專傢指導委員會
譯者序
前言
第1章引言
1.1　學習問題的標準描述
1.2　設計一個學習係統
1.2.1 選擇訓練經驗
1.2.2 選擇目標函數
1.2.3　選擇目標函數的錶示
1.2.4　選擇函數逼近算法
1.2.5　最終設計
1.3　機器學習的一些觀點和問題
1.4　如何閱讀本書
1.5　小結和補充讀物
習題

第2章概念學習和一般到特殊序
2.1　簡介
2.2　概念學習任務
2.2.1　術語定義
2.2.2　歸納學習假設
2.3　作為搜索的概念學習
2.4　FIND-S：尋找極大特殊假設
2.5　變型空間和候選消除算法
2.5.1　錶示
2.5.2 列錶後消除算法
2.5.3　變型空間的更簡潔錶示
2.5.4　候選消除學習算法
2.5.5　算法的舉例
2.6　關於變型空間和候選消除的說明
2.6.1　候選消除算法是否會收斂到正確的假設
2.6.2 下一步需要什麼樣的訓練樣例
2.6.3　怎樣使用不完全學習概念
2.7　歸納偏置
2.7.1　一個有偏的假設空間
2.7.2　無偏的學習器
2.7.3　無偏學習的無用性
2.8　小結和補充讀物
習題

第3章　決策樹學習
3.1 簡介
3.2　決策樹錶示法
3.3　決策樹學習的適用問題
3.4　基本的決策樹學習算法
3.4.1　哪個屬性是最佳的分類屬性
3.4.2　舉例
3.5　決策樹學習中的假設空間搜索
3.6　決策樹學習的歸納偏置
3.6.1　限定偏置和優選偏置
3.6.2　為什麼短的假設優先
3.7　決策樹學習的常見問題
3.7.1　避免過度擬閤數據
3.7.2 閤並連續值屬性
3.7.3　屬性選擇的其他度量標準
3.7.4　處理缺少屬性值的訓練樣例
3.7.5　處理不同代價的屬性
3.8　小結和補充讀物
習題

第4章人工神經網絡
4.1　簡介
4.2　神經網絡錶示
4.3　適閤神經網絡學習的問題
4.4　感知器
4.4.1　感知器的錶徵能力
4.4.2　感知器訓練法則
4.4.3 梯度下降和delta法則
4.4.4　小結
……
第5章　評估假設
第6章　貝葉斯學習
第7章　計算學習理論
第8章　基於實例的學習
第9章　遺傳算法
第10章　學習規則集閤
第11章　分析這習
第12章　歸納和分析學習的結閤
第13章　增強學習

前言/序言

　　第1章引言

　　自從計算機問世以來，人們就想知道它們能不能自我學習。如果我們理解瞭計算機學習的內在機製，即怎樣使它們根據經驗來自動提高，那麼影響將是空前的。想像一下，在未來，計算機能從醫療記錄中學習，獲取治療新疾病最有效的方法；住宅管理係統分析住戶的用電模式，以降低能源消耗；個人軟件助理跟蹤用戶的興趣，並為其選擇最感興趣的在綫早間新聞。對計算機學習的成功理解將開闢齣許多全新的應用領域，並使其計算能力和可定製性上升到新的層次。同時，透徹理解機器學習的信息處理算法，也會有助於更好地理解人類的學習能力（及缺陷）。

　　目前，我們還不知道怎樣使計算機具備和人類一樣強大的學習能力。然而，一些針對特定學習任務的算法已經産生。關於學習的理論認識已開始逐步形成。人們開發齣很多實踐性的計算機程序來實現不同類型的學習，一些商業化的應用也已經齣現。例如，對於語音識彆這樣的課題，迄今為止，基於機器學習的算法明顯勝過其他的方法。在數據挖掘領域，機器學習算法理所當然地得到應用，從包含設備維護記錄、藉貸申請、金融交易、醫療記錄等信息的大型數據庫中發現有價值的信息。隨著對計算機認識的日益成熟，機器學習必將在計算機科學和技術中扮演越來越重要的角色！

　　我們可以通過一些專項成果看到機器學習這門技術的現狀：計算機已經能夠成功地識彆人類的講話（Waibel1989，Leel989）；預測肺炎患者的康復率（Cooperetal．1997）；檢測信用卡的欺詐；在高速公路上自動駕駛汽車(Pomerleau1989)；以接近人類世界冠軍的水平對弈西洋雙陸棋（Tesauro1992，1995）。