☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

商品參數

機器學習
	定價	88.00
	齣版社	清華大學齣版社
	版次	1
	齣版時間	2016年01月
	開本	16
	作者	周誌華 著
	裝幀	平裝
	頁數
	字數
	ISBN編碼	9787302423287

內容介紹

機器學習是計算機科學與人工智能的重要分支領域. 本書作為該領域的入門教材，在內容上盡可能涵蓋機器學習基礎知識的各方麵. 全書共16 章，大緻分為3 個部分：第1 部分（第1～3 章）介紹機器學習的基礎知識；第2 部分（第4～10 章）討論—些經典而常用的機器學習方法（決策樹、神經網絡、支持嚮量機、貝葉斯分類器、集成學習、聚類、降維與度量學習）；第3 部分（第11～16 章）為進階知識，內容涉及特徵選擇與稀疏學習、計算學習理論、半監督學習、概率圖模型、規則學習以及強化學習等. 每章都附有習題並介紹瞭相關閱讀材料，以便有興趣的讀者進—步鑽研探索。

本書可作為高等院校計算機、自動化及相關專業的本科生或研究生教材，也可供對機器學習感興趣的研究人員和工程技術人員閱讀參考。

作者介紹

周誌華，南京大學計算機係教授，ACM傑齣科學傢，IEEE Fellow, IAPR Fellow, IET/IEE Fellow, 中國計算機學會會士。國傢傑齣青年科學基金獲得者、長江學者特聘教授。先後擔任多種SCI(E)期刊執行主編、副主編、副編輯、編委等。中國計算機學會人工智能與模式識彆專業委員會主任，中國人工智能學會機器學習專業委員會主任，IEEE計算智能學會數據挖掘技術委員會副主席。

目錄

目錄

第1章 1

1.1 引言 1

1.2 基本術 2

1.3 假設空間 4

1.4 歸納偏好 6

1.5 發展曆程 10

1.6 應用現狀 13

1.7 閱讀材料 16

習題 19

參考文獻 20

休息—會兒 22

第2章 模型評估與選擇 23

2.1 經驗誤差與過擬閤 23

2.2 評估方法 24

2.2.1 留齣法 25

2.2.2 交叉驗證法 26

2.2.3 自助法 27

2.2.4 調參與zui終模型 28

2.3 性能度量 28

2.3.1 錯誤率與精度 29

2.3.2 查準率、查全率與F1 30

2.3.3 ROC與AUC 33

2.3.4 代價敏感錯誤率與代價麯綫 35

2.4 比較檢驗 37

2.4.1 假設檢驗 37

2.4.2 交叉驗證t檢驗 40

2.4.3 McNemar檢驗 41

2.4.4 Friedman檢驗與後續檢驗 42

2.5 偏差與方差 44

2.6 閱讀材料 46

習題 48

參考文獻 49

休息—會兒 51

第3章 綫性模型 53

3.1 基本形式 53

3.2 綫性迴歸 53

3.3 對數幾率迴歸 57

3.4 綫性判彆分析 60

3.5 多分類學習 63

3.6 類彆不平衡問題 66

3.7 閱讀材料 67

習題 69

參考文獻 70

休息—會兒 72

第4章 決策樹 73

4.1 基本流程 73

4.2 劃分選擇 75

4.2.1 信息增益 75

4.2.2 增益率 77

4.2.3 基尼指數 79

4.3 剪枝處理 79

4.3.1 預剪枝 80

4.3.2 後剪枝 82

4.4 連續與缺失值 83

4.4.1 連續值處理 83

4.4.2 缺失值處理 85

4.5 多變量決策樹 88

4.6 閱讀材料 92

習題 93

參考文獻 94

休息—會兒 95

第5章 神經網絡 97

5.1 神經元模型 97

5.2 感知機與多層網絡 98

5.3 誤差逆傳播算法 101

5.4 全局zui小與局部極小 106

5.5 其他常見神經網絡 108

5.5.1 RBF網絡 108

5.5.2 ART網絡 108

5.5.3 SOM網絡 109

5.5.4 級聯相關網絡 110

5.5.5 Elman網絡 111

5.5.6 Boltzmann機 111

5.6 深度學習 113

5.7 閱讀材料 115

習題 116

參考文獻 117

休息—會兒 120

第6章 支持嚮量機 121

6.1 間隔與支持嚮量 121

6.2 對偶問題 123

6.3 核函數 126

6.4 軟間隔與正則化 129

6.5 支持嚮量迴歸 133

6.6 核方法 137

6.7 閱讀材料 139

習題 141

參考文獻 142

休息—會兒 145

第7章 貝葉斯分類器 147

7.1 貝葉斯決策論 147

7.2 極大似然估計 149

7.3 樸素貝葉斯分類器 150

7.4 半樸素貝葉斯分類器 154

7.5 貝葉斯網 156

7.5.1 結構 157

7.5.2 學習 159

7.5.3 推斷 161

7.6 EM算法 162

7.7 閱讀材料 164

習題 166

參考文獻 167

休息—會兒 169

第8章 集成學習 171

8.1 個體與集成 171

8.2 Boosting 173

8.3 Bagging與隨機森林 178

8.3.1 Bagging 178

8.3.2 隨機森林 179

8.4 結閤策略 181

8.4.1 平均法 181

8.4.2 投票法 182

8.4.3 學習法 183

8.5 多樣性 185

8.5.1 誤差--分歧分解 185

8.5.2 多樣性度量 186

8.5.3 多樣性增強 188

8.6 閱讀材料 190

習題 192

參考文獻 193

休息—會兒 196

第9章 聚類 197

9.1 聚類任務 197

9.2 性能度量 197

9.3 距離計算 199

9.4 原型聚類 202

9.4.1 k均值算法 202

9.4.2 學習嚮量量化 204

9.4.3 高斯混閤聚類 206

9.5 密度聚類 211

9.6 層次聚類 214

9.7 閱讀材料 217

習題 220

參考文獻 221

休息—會兒 224

第10章 降維與度量學習 225

10.1 k近鄰學習 225

10.2 低維嵌入 226

10.3 主成分分析 229

10.4 核化綫性降維 232

10.5 流形學習 234

10.5.1 等度量映射 234

10.5.2 局部綫性嵌入 235

10.6 度量學習 237

10.7 閱讀材料 240

習題 242

參考文獻 243

休息—會兒 246

第11章 特徵選擇與稀疏學習 247

11.1 子集搜索與評價 247

11.2 過濾式選擇 249

11.3 包裹式選擇 250

11.4 嵌入式選擇與L$_1$正則化 252

11.5 稀疏錶示與字典學習 254

11.6 壓縮感知 257

11.7 閱讀材料 260

習題 262

參考文獻 263

休息—會兒 266

第12章 計算學習理論 267

12.1 基礎知識 267

12.2 PAC學習 268

12.3 有限假設空間 270

12.3.1 可分情形 270

12.3.2 不可分情形 272

12.4 VC維 273

12.5 Rademacher復雜度 279

12.6 穩定性 284

12.7 閱讀材料 287

習題 289

參考文獻 290

休息—會兒 292

第13章 半監督學習 293

13.1 未標記樣本 293

13.2 生成式方法 295

13.3 半監督SVM 298

13.4 圖半監督學習 300

13.5 基於分歧的方法 304

13.6 半監督聚類 307

13.7 閱讀材料 311

習題 313

參考文獻 314

休息—會兒 317

第14章 概率圖模型 319

14.1 隱馬爾可夫模型 319

14.2 馬爾可夫隨機場 322

14.3 條件隨機場 325

14.4 學習與推斷 328

14.4.1 變量消去 328

14.4.2 信念傳播 330

14.5 近似推斷 331

14.5.1 MCMC采樣 331

14.5.2 變分推斷 334

14.6 話題模型 337

14.7 閱讀材料 339

習題 341

參考文獻 342

休息—會兒 345

第15章 規則學習 347

15.1 基本概念 347

15.2 序貫覆蓋 349

15.3 剪枝優化 352

15.4 —階規則學習 354

15.5 歸納邏輯程序設計 357

15.5.1 zui小—般泛化 358

15.5.2 逆歸結 359

15.6 閱讀材料 363

習題 365

參考文獻 366

休息—會兒 369

第16章 強化學習 371

16.1 任務與奬賞 371

16.2 $K$-搖臂賭博機 373

16.2.1 探索與利用 373

16.2.2 $epsilon $-貪心 374

16.2.3 Softmax 375

16.3 有模型學習 377

16.3.1 策略評 正版 機器學習 周誌華 西瓜書 機器學習基礎知識 機器學習方法 人工智能 權威的機器學習中文教科 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價