微瑕动手学 机器学习
￥ 43.1 4.8折 ￥ 89.8 全新
库存6件
作者张伟楠,赵寒烨,俞勇
出版社人民邮电出版社
ISBN9787115618207
出版时间2023-08
版次1
装帧平装
开本16开
纸张胶版纸
定价89.8元
货号2170-9787115618207
上书时间2024-10-06
- 在售商品 暂无
- 平均发货时间 14小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
基本信息
书名:动手学 机器学习
定价：89.8元
作者:张伟楠,赵寒烨,俞勇
出版社：人民邮电出版社
出版日期：2023-08-01
ISBN：9787115618207
字数：
页码：
版次：
装帧：平装
开本：128开
商品重量：
编辑推荐
内容提要
目录
部分 机器学习基础 章 初探机器学习 21 1 人工智能的“两只手和四条腿” 21 2 机器学习是什么 21 3 时代造就机器学习的盛行 41 4 泛化能力：机器学习奏效的本质 51 5 归纳偏置：机器学习模型的“天赋” 61 6 机器学习的限制 71 7 小结 7第 2 章 机器学习的数学基础 82 1 向量 82 2 矩阵 102 2 1 矩阵的基本概念 102 2 2 矩阵运算 112 2 3 矩阵与线性方程组 122 2 4 矩阵范数 132 3 梯度 142 4 凸函数 172 5 小结 19第 3 章 k近邻算法 203 1 KNN算法的原理 203 2 用KNN算法完成分类任务 213 3 使用scikit-learn实现KNN算法 243 4 用KNN算法完成回归任务--色彩风格迁移 253 4 1 RGB空间与LAB空间 273 4 2 算法设计 273 5 小结 30第 4 章 线性回归 334 1 线性回归的映射形式和学习目标 334 2 线性回归的解析方法 354 3 动手实现线性回归的解析方法 354 4 使用sklearn中的线性回归模型 374 5 梯度下降算法 384 6 学习率对迭代的影响 424 7 小结 44第 5 章 机器学习的基本思想 465 1 欠拟合与过拟合 465 2 正则化约束 495 3 输入特征与相似度 525 4 参数与超参数 555 5 数据集划分与交叉验证 565 6 小结 575 7 扩展阅读：贯穿恒等式的证明 585 8 参考文献 58第二部分 参数化模型第 6 章 逻辑斯谛回归 606 1 逻辑斯谛函数下的线性模型 616 2 似然估计 626 3 分类问题的评价指标 646 4 动手实现逻辑斯谛回归 696 5 使用sklearn中的逻辑斯谛回归模型 736 6 交叉熵与似然估计 746 7 小结 766 8 扩展阅读：广义线性模型 786 9 参考文献 79第 7 章 双线性模型 807 1 矩阵分解 817 2 动手实现矩阵分解模型 837 3 因子分解机 867 4 动手实现因子分解机模型 897 5 小结 927 6 扩展阅读：概率矩阵分解 937 7 参考文献 95第 8 章 神经网络与多层感知机 968 1 人工神经网络 968 2 感知机 978 3 隐含层与多层感知机 998 4 反向传播 1028 5 动手实现多层感知机 1048 6 用PyTorch库实现多层感知机 1108 7 小结 1138 8 参考文献 114第 9 章 卷积神经网络 1159 1 卷积 1159 2 神经网络中的卷积 1179 3 用卷积神经网络完成图像分类任务 1199 4 用预训练的卷积神经网络完成色彩风格迁移 1269 4 1 VGG网络 1269 4 2 内容表示与风格表示 1279 5 小结 1349 6 扩展阅读：数据增强 1349 7 参考文献 1360 章 循环神经网络 13710 1 循环神经网络的基本原理 13710 2 门控循环单元 13910 3 动手实现GRU 14110 4 小结 14610 5 参考文献 147第三部分 非参数化模型1 章 支持向量机 15011 1 支持向量机的数学描述 15011 2 序列优化 15311 3 动手实现SMO求解SVM 15611 4 核函数 15811 5 sklearn中的SVM工具 16211 6 小结 16311 7 扩展阅读：SVM对偶问题的推导 1642 章 决策树 16712 1 决策树的构造 16812 2 ID3算法与C4 5算法 17112 3 CART算法 17212 4 动手实现C4 5算法的决策树 17512 4 1 数据集处理 17512 4 2 C4 5算法的实现 17812 5 sklearn中的决策树 18212 6 小结 18312 7 参考文献 1843 章 集成学习与梯度提升决策树 18513 1 自举聚合与随机森林 18613 2 集成学习器 19113 3 提升算法 19413 3 1 适应提升 19513 3 2 梯度提升 20013 4 小结 20513 5 参考文献 206第四部分 无监督模型4 章 k均值聚类 20814 1 k均值聚类算法的原理 20814 2 动手实现k均值算法 20914 3 k-means 算法 21214 4 小结 21414 5 参考文献 2155 章主成分分析 21615 1 主成分与方差 21615 2 利用特征分解进行PCA 21815 3 动手实现PCA算法 22115 4 用sklearn实现PCA算法 22215 5 小结 2236 章 概率图模型 22516 1 贝叶斯网络 22616 2 后验估计 22816 3 用朴素贝叶斯模型完成文本分类 23116 4 马尔可夫网络 23416 5 用马尔可夫网络完成图像去噪 23616 6 小结 24016 7 参考文献 2417 章 EM算法 24217 1 高斯混合模型的EM算法 24317 2 动手求解GMM来拟合数据分布 24517 3 一般情况下的EM算法 25117 4 EM算法的收敛性 25317 5 小结 2548 章 自编码器 25518 1 自编码器的结构 25618 2 动手实现自编码器 25718 3 小结 26218 4 参考文献 262总结与展望 264总结 264展望 264中英文术语对照表 267
作者介绍
张伟楠，上海交通大学副教授，博士生导师，ACM班机器学习、强化学习课程授课教师。主要研究强化学习、数据挖掘、知识图谱、深度学习以及这些技术在推荐系统、游戏智能、机器人控制等场景中的应用，累计发表国际期刊和会议论文180余篇。赵寒烨，上海交通大学 APEX数据与知识管理实验室博士生，师从张伟楠副教授，研究方向为强化学习、机器学习。以一作身份在人工智能国际会议 NeurIPS上发表论文，并参与多本机器学习相关教材的编写。俞勇，上海交通大学ACM班创办人，上海交通大学特聘教授。2018年创办伯禹人工智能学院，在上海交通大学ACM班人工智能专业课程体系的基础上，对人工智能课程体系进行创新，致力于培养人工智能算法工程师和研究员。
序言
-
【封面】
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价