统计学理论基础 大中专高职经管 (美)桑吉夫·库尔卡尼(sanjeev kulkarni),(美)吉尔伯特·哈曼(gilbert harman) 新华正版
￥ 25.52 5.9折 ￥ 43 全新
库存3件
河北保定
认证卖家担保交易快速发货售后保障
作者(美)桑吉夫·库尔卡尼(sanjeev kulkarni),(美)吉尔伯特·哈曼(gilbert harman)
出版社机械工业出版社
ISBN9787111555223
出版时间2017-03
版次1
装帧平装
开本16
页数169页
字数211千字
定价43元
货号xhwx_1201475603
上书时间2024-09-28
- 最新上架
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
目录：
译者序
前言
章引言：分类、学、特征及应用
1.1范围
1.2为什么需要机器学？
1.3一些应用
1.3.1图像识别
1.3.2语音识别
1.3.3医学诊断
1.3.4统计套利
1.4测量、特征和特征向量
1.5概率的需要
1.6监督学
1.7小结
1.8附录：归纳法
1.9问题
1.10参文献
第2章概率
2.1一些基本事件的概率
2.2复合事件的概率
2.3条件概率
2.4不放回抽取
2.5一个经典的生问题
2.6变量
2.7期望值
2.8方差
2.9小结
2.10附录：概率诠释
2.11问题
2.12参文献
第3章概率密度
3.1一个二维实例
3.2在\（0，1\）区间的数
3.3密度函数
3.4高维空间中的概率密度
3.5联合密度和条件密度
3.6期望和方差
3.7大数定律
3.8小结
3.9附录：可测
3.10问题
3.11参文献
第4章模式识别问题
4.1一个简单例子
4.2决策规则
4.3成功基准
4.4*佳分类器：贝叶斯决策规则
4.5连续特征和密度
4.6小结
4.7附录：不可数概念
4.8问题
4.9参文献
第5章优贝叶斯决策规则
5.1贝叶斯定理
5.2贝叶斯决策规则
5.3优及其
5.4一个例子
5.5基于密度函数的贝叶斯定理及决策规则
5.6小结
5.7附录：条件概率的定义
5.8问题
5.9参文献
第6章从实例中学
6.1概率分布知识的欠缺
6.2训练数据
6.3对训练数据的设
6.4蛮力学方法
6.5维数灾难、归纳偏置以及无费午餐
6.6小结
6.7附录：学的类型
6.8问题
6.9参文献
第7章近邻规则
7.1近邻规则
7.2近邻规则的能
7.3直觉判断与能证明框架
7.4使用更多邻域
7.5小结
7.6附录：当人们使用近邻域进行推理时的一些问题
7.6.1谁是单身汉？
7.6.2法律推理
7.6.3道德推理
7.7问题
7.8参文献
第8章核规则
8.1动机
8.2近邻规则的变体
8.3核规则
8.4核规则的通用一致
8.5势函数
8.6更多的通用核
8.7小结
8.8附录：核、相似和特征
8.9问题
8.10参文献
第9章神经网络：感知器
9.1多层前馈网络
9.2神经网络用于学和分类
9.3感知器
9.3.1阈值
9.4感知器学规则
9.5感知器的表达能力
9.6小结
9.7附录：思想模型
9.8问题
9.9参文献
0章多层神经网络
10.1多层网络的表征能力
10.2学及s形输出
10.3训练误差和权值空间
10.4基于梯度下降的误差小化
10.5反向传播
10.6反向传播方程的推导
10.6.1单神经元情况下的推导
10.6.2多层网络情况下的推导
10.7小结
10.8附录：梯度下降与反衡推理
10.9问题
10.10参文献
1章可能近似正确（pac）学
11.1决策规则分类
11.2来自一个类中的优规则
11.3可能近似正确准则
11.4pac学
11.5小结
11.6附录：识别不可辨元
11.7问题
11.8参文献
2章vc维
12.1近似误差和估计误差
12.2打散
12.3vc维
12.4学结果
12.5举例
12.6神经网络应用
12.7小结
12.8附录：vc维与波普尔（popper）维度
12.9问题
12.10参文献
3章无限vc维
13.1类层次及修正的pac准则
13.2失配与复杂间的衡
13.3学结果
13.4归纳偏置与简单
13.5小结
13.6附录：均匀收敛与泛致
13.7问题
13.8参文献
4章函数估计问题
14.1估计
14.2成功准则
14.3优估计：回归函数
14.4函数估计中的学
14.5小结
14.6附录：均值回归
14.7问题
14.8参文献
5章学函数估计
15.1函数估计与回归问题回顾
15.2近邻规则
15.3核方法
15.4神经网络学
15.5基于确定函数类的估计
15.6打散、伪维数与学
15.7结论
15.8附录：估计中的准确度、精度、偏差及方差
15.9问题
15.10参文献
6章简明
16.1科学中的简明
16.1.1对简明的明确倡导
16.1.2这个世界简单吗？
16.1.3对简明的错误诉求
16.1.4对简明的隐诉求
16.2排序设
16.2.1两种简明排序法
16.3两个实例
16.3.1曲线拟合
16.3.2枚举归纳
16.4简明即表征简明
16.4.1要确定表征系统吗？
16.4.2参数越少越简单吗？
16.5简明的实用理论
16.6简明和全局不确定
16.7小结
16.8附录：基础科学和统计学理论
16.9问题
16.10参文献
7章支持向量机
17.1特征向量的映
17.2间隔大化
17.3优化与支持向量
17.4实现及其与核方法的关联
17.5优化问题的细节
17.5.1改写分离条件
17.5.2间隔方程
17.5.3用于不可分实例的松弛变量
17.5.4优化问题的重构和求解
17.6小结
17.7附录：计算
17.8问题
17.9参文献
8章集成学
18.1弱学规则
18.2分类器组合
18.3训练样本的分布
18.4自适应集成学算法（adaboost）
18.5训练数据的能
18.6泛化能
18.7小结
18.8附录：集成方法
18.9问题
18.10参文献
内容简介：
全书共包含18个章节，从概率密度、贝叶斯决策理论引入样本学的基本概念，进而介绍了近邻域学、核学及神经网络学，在此基础上探讨了pca学、vc维概念、函数估计问题等，后重点介绍了非常实用的支持向量机vm及booting方法。各章均包含小结、附录、题及参资料，非常适合于大专院校计算机及电气工程类硕博士及高年级作为参书。
作者简介：
桑吉夫库尔卡尼（anjeev kulkami）博士是普林斯顿大学电气工程系教授，同时也在运筹学与金融工程系及哲学系担任教职。kulkami博士在统计模式识别、参数估计、机器学、信息论等领域发表了大量及专著，他是ieee院士、曾荣获2007年度普林斯顿大学校长杰出成果奖。
吉尔伯特哈曼（gilbert harman）博士被评为普林斯顿大学哲学系”詹姆斯麦克唐奈杰出教授”，同时也是认知科学协会研究员，他在伦理学、统计学理论、推理心理学和逻辑学等研究领域发表了五十余篇。
精彩内容：
前言本书为新兴领域的统计学理论提供了一个宽泛和易于理解的入门介绍，这一领域的发展源于对模式识别和机器学、非参数统计、计算机科学、语言学中的语言学和认知心理学、哲学问题中的归纳法以及哲学和科学方等学科与技术的研究。 本书是“学理论与认知论”课程的非常好的入门教材，目前已在普林斯顿大学电气工程专业的中使用。“学理论与认知论”课程并没有特定的基础要求，向所有对其感兴趣的开放，包括新生、主修科学的高年级，以及来自工程、人文、社会科学的。虽然许多材料技术较强，但是我们发现大部分可以体会和领悟本书的要点。 模式识别的工程研究关注的是基于一个有用的方法研发出的自动化系统来区分不同的输入模式。为邮局开发的系统用于如何扫描手写地址并将邮件排序，制造商关注如何设计一个计算机系统把普通的谈话内容进行文字转录，还有诸如计算机能否用来分析医学图像，进而做出诊断等此类问题。 机器学提供了对一些模式识别问题进行求解的有效方法。它可能是采用受过训练的系统来识别手写邮政编码，或能使自动化系统与用户进行交互使其学会实现对语音的识别；也许是使用机器学算法来开发一套医学图像分析系统。 机器学和模式识别也关注学系统所包含的一般原则。一种系统化的方法技术非常有用，因为我们并不是从无到有开发算法并在每个新的应用程序中特设某一种方式。评估一个学系统的能所采用的技术也是非常重要的。对学算法的实践环节而言，知道什么是可实现的，什么是可用的评价基准，并提出新的技术也同等重要。 这些问题也出现在认知论与哲学问题中。我们能学到什么？以及我们如何进行学？我们能够从其他思想和外部世界学到什么？通过归纳法我们又能学到什么？哲学问题的归纳法关注的是如何在归纳推理的基础上学到一些新东西。而给定的事实是归纳推理前提的真实无法保证其结论的真实。这个问题没有解，这并不是因为无解，而是因为有太多解，这取决于采用什么学方法。在本书中，我们解释了如何根据归纳形成各种不同的解决方案。 因此，我们希望本书能为广大读者在统计学理论中提供一个简便的入门介绍。对于那些对学理论或实际算法的深入研究感兴趣的读者，我们希望本书提供给他们一个有益的出发点。而对于那些对一般的认知论和哲学感兴趣的读者，我们希望本书有助于他们从其他领域中领悟一些重要的想法。对其他读者而言，我们也希望本书有助于他们对统计学理论有更深层次的理解，因为它揭示了学的本质及其，这也是人工智能的核心进展。 感谢普林斯顿大学本科教育创新课程发展250周年纪念的资助。rajeev kulkarni对全书提供了非常有用的意见。joel predd和maya gupta提供了许多宝贵的意见。此外，感谢johua harri对本书的仔细审读。同时也感谢几年来，我的助教和们一起对该课程内容的讨论。谢谢！
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价