图解机器学习 杉山将 人民邮电出版社 9787115388025
正版旧书 里面部分笔记 内容完好 可正常使用 旧书不附带光盘
¥
14.7
九品
库存7件
作者杉山将
出版社人民邮电出版社
ISBN9787115388025
出版时间2015-04
装帧线装
页数226页
货号3532181
上书时间2024-03-21
商品详情
- 品相描述:九品
- 商品描述
-
温馨提示:亲!旧书库存变动比较快,有时难免会有断货的情况,为保证您的利益,拍前请务必联系卖家咨询库存情况!谢谢!
书名:图解机器学习
编号:3532181
ISBN:9787115388025[十位:]
作者:杉山将
出版社:人民邮电出版社
出版日期:2015年04月
页数:226
定价:49.00 元
参考重量:0.210Kg
-------------------------
新旧程度:6-9成新左右,不影响阅读,详细情况请咨询店主
如图书附带、磁带、学习卡等请咨询店主是否齐全
* 图书目录 *
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
— 没有更多了 —
以下为对购买帮助不大的评价