图解机器学习
正版图书，可开发票，请放心购买。
￥ 48.94 8.2折 ￥ 59.8 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者(日)杉山将
出版社人民邮电出版社
ISBN9787115388025
出版时间2015-04
装帧平装
开本32开
定价59.8元
货号31305196
上书时间2024-02-07
- 店主推荐
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
目录
第I部分 绪 论
第 1章 什么是机器学习 2
1.1 学习的种类 2
1.2 机器学习任务的例子 4
1.3 机器学习的方法 8
第 2章 学习模型 12
2.1 线性模型 12
2.2 核模型 15
2.3 层级模型 17
第II部分 有监督回归
第3章 **小二乘学习法 22
3.1 **小二乘学习法 22
3.2 **小二乘解的性质 25
3.3 大规模数据的学习算法 27
第4章带有约束条件的**小二乘法 31
4.1 部分空间约束的**小二乘学习法 31
4.2 ｌ2 约束的**小二乘学习法 33
4.3 模型选择 37
第5章 稀疏学习 43
5.1 ｌ1 约束的**小二乘学习法 43
5.2 ｌ1 约束的**小二乘学习的求解方法 45
5.3 通过稀疏学习进行特征选择 50
5.4 ｌp约束的**小二乘学习法 51
5.5 ｌ1+ｌ2 约束的**小二乘学习法 52
第6章 鲁棒学习 55
6.1 ｌ1 损失**小化学习 56
6.2 Huber损失**小化学习 58
6.3 图基损失**小化学习 63
6.4 ｌ1 约束的Huber损失**小化学习 65
第III部分 有监督分类
第7章 基于**小二乘法的分类 70
7.1 **小二乘分类 70
7.2 0/1 损失和间隔 73
7.3 多类别的情形 76
第8章 支持向量机分类 80
8.1 间隔**大化分类 80
8.2 支持向量机分类器的求解方法 83
8.3 稀疏性 86
8.4 使用核映射的非线性模型 88
8.5 使用Hinge损失**小化学习来解释 90
8.6 使用Ramp损失的鲁棒学习 93
第9章 集成分类 98
9.1 剪枝分类 98
9.2 Bagging学习法 101
9.3 Boosting 学习法 105
第 10章 概率分类法 112
10.1 Logistic回归 112
10.2 **小二乘概率分类 116
第 11 章序列数据的分类 121
11.1 序列数据的模型化 122
11.2 条件随机场模型的学习 125
11.3 利用条件随机场模型对标签序列进行预测 128
第IV部分 无监督学习
第 12章 异常检测 132
12.1 局部异常因子 132
12.2 支持向量机异常检测 135
12.3 基于密度比的异常检测 137
第 13章 无监督降维 143
13.1 线性降维的原理 144
13.2 主成分分析 146
13.3 局部保持投影 148
13.4 核函数主成分分析 152
13.5 拉普拉斯特征映射 155
第 14章 聚类 158
14.1 K均值聚类 158
14.2 核K均值聚类 160
14.3 谱聚类 161
14.4 调整参数的自动选取 163
第V部分 新兴机器学习算法
第 15章 在线学习 170
15.1 被动攻击学习 170
15.2 适应正则化学习 176
第 16章 半监督学习 181
16.1 灵活应用输入数据的流形构造 182
16.2 拉普拉斯正则化**小二乘学习的求解方法 183
16.3 拉普拉斯正则化的解释 186
第 17章 监督降维 188
17.1 与分类问题相对应的判别分析 188
17.2 充分降维 195
第 18章 迁移学习 197
18.1 协变量移位下的迁移学习 197
18.2 类别平衡变化下的迁移学习 204
第 19章 多任务学习 212
19.1 使用**小二乘回归的多任务学习 212
19.2 使用**小二乘概率分类器的多任务学习 215
19.3 多次维输出函数的学习 216
第VI部分 结 语
第 20章 总结与展望 222
参考文献 225
内容摘要
《图解机器学习》用丰富的图示，从ZUI小二乘法出发，对基于ZUI小二乘法实现的各种机器学习算法进行了详细的介绍。第Ⅰ部分介绍了机器学习领域的概况；第Ⅱ部分和第Ⅲ部分分别介绍了各种有监督的回归算法和分类算法；第Ⅳ部分介绍了各种监督学习算法；第Ⅴ部分介绍了机器学习领域中的新兴算法。书中大部分算法都有相应的MATLAB程序源代码，可以用来进行简单的测试。
主编推荐
187张图解轻松入门
提供可执行的Matlab程序代码
覆盖机器学习中实用、用途广的算法
专业实用
东京大学教授、机器学习研究人员执笔，浓缩机器学习的关键知识点
图文并茂
187张图示帮助理解，详略得当，为读懂大部头开路。
角度新颖
基于ZUI小二乘法讲解各种有监督学习的回归和分类算法，以及无监督学习算法。
实战导向
配有可执行的MATLAB程序代码，边学习边实践。
— 没有更多了 —
以下为对购买帮助不大的评价