消息 首页 搜索 举报
  • 机器学习入门基础(微课版) 黄海广 徐震 张笑钦 清华大学出版社 9787302619581 正版旧书
21年品牌 40万+商家 超1.5亿件商品

机器学习入门基础(微课版) 黄海广 徐震 张笑钦 清华大学出版社 9787302619581 正版旧书

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

￥ 28.9 八五品

仅1件

江西南昌
认证卖家担保交易快速发货售后保障

作者黄海广 徐震 张笑钦

出版社清华大学出版社

ISBN9787302619581

出版时间2023-04

装帧线装

货号4820094

上书时间2024-07-25

辉煌二手教材专营店

七年老店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：八五品
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：机器学习入门基础(微课版)
编号：4820094
ISBN：9787302619581[十位:]
作者：黄海广 徐震 张笑钦
出版社：清华大学出版社
出版日期：2023年04月
页数：0
定价：69.80 元
参考重量：0.400Kg
-------------------------
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1章引言1 1.1机器学习概述1 1.2机器学习发展史2 1.3机器学习的类型5 1.3.1监督学习5 1.3.2无监督学习7 1.3.3强化学习8 1.4机器学习的主要概念9 1.4.1模型9 1.4.2损失函数9 1.4.3优化算法10 1.4.4模型评估10 1.5机器学习的背景知识11 1.5.1数学基础11 1.5.2编程基础11 1.6机器学习的开发流程12 1.7本书概述13 1.7.1本书结构13 1.7.2学习路线14 习题14 参考文献16 第2章数学基础回顾(选修)17 2.1数学基础的必要性17 2.1.1数学基础概述17 2.1.2符号定义17 2.2高等数学18 2.2.1导数的定义18〖3〗机器学习入门基础(微课版)目录〖3〗2.2.2左右导数的几何意义和物理意义18 2.2.3函数的可导性与连续性之间的关系19 2.2.4平面曲线的切线和法线19 2.2.5四则运算法则19 2.2.6基本导数与微分表19 2.2.7复合函数、反函数、隐函数及参数方程所确定的函数的微分法20 2.2.8常用高阶导数公式20 2.2.9微分中值定理21 2.2.10泰勒公式21 2.2.11函数单调性的判断22 2.2.12函数凹凸性的判断23 2.3线性代数23 2.3.1基本概念23 2.3.2矩阵乘法24 2.3.3向量向量乘法25 2.3.4矩阵向量乘法25 2.3.5矩阵矩阵乘法26 2.3.6单位矩阵和对角矩阵27 2.3.7矩阵的转置28 2.3.8对称矩阵28 2.3.9矩阵的迹28 2.3.10矩阵求导常见公式29 2.3.11范数29 2.3.12线性相关性和秩30 2.3.13方阵的逆31 2.3.14正交阵31 2.3.15行列式31 2.3.16二次型和半正定矩阵32 2.3.17特征值和特征向量33 2.4概率论与数理统计34 2.4.1概率的基本要素34 2.4.2条件概率和独立性35 2.4.3随机变量35 2.4.4累积分布函数36 2.4.5概率质量函数37 2.4.6概率密度函数37 2.4.7期望38 2.4.8方差38 2.4.9一些常见的随机变量39 2.4.10联合分布和边缘分布41 2.4.11条件概率分布41 2.4.12贝叶斯定理41 2.4.13独立性42 2.4.14期望和协方差42 2.4.15KL散度43 2.5优化理论43 2.5.1梯度下降法43 2.5.2牛顿法44 2.5.3拉格朗日乘子法45 习题46 参考文献48 第3章机器学习库Scikitlearn49 3.1背景知识49 3.2Scikitlearn概述50 3.3Scikitlearn主要用法51 3.3.1基本建模流程51 3.3.2数据预处理53 3.3.3监督学习算法55 3.3.4无监督学习算法56 3.3.5评价指标57 3.3.6交叉验证及超参数调优58 3.4Scikitlearn总结60 习题60 参考文献62 第4章回归63 4.1线性回归63 4.1.1符号定义63 4.1.2背景知识66 4.1.3线性回归求解66 4.2*小二乘法66 4.3梯度下降67 4.3.1批梯度下降68 4.3.2随机梯度下降68 4.3.3小批量梯度下降69 4.3.4梯度下降的数学推导69 4.3.5梯度下降与*小二乘法比较70 4.4数据规范化70 4.4.1数据规范化概述70 4.4.2数据规范化的主要方式71 4.4.3数据规范化的适用范围71 4.5正则化72 4.5.1过拟合和欠拟合72 5.5.2过拟合的处理72 4.5.3欠拟合的处理73 4.5.4正则化的主要形式73 4.6回归的评价指标74 习题76 参考文献78 第5章逻辑回归79 5.1分类问题79 5.2Sigmoid函数80 5.2.1Sigmoid函数概述80 5.2.2Sigmoid函数的特点80 5.2.3Sigmoid函数的原理81 5.3逻辑回归82 5.3.1逻辑回归算法思想82 5.3.2逻辑回归的原理82 5.4逻辑回归算法总结85 习题86 参考文献88 第6章朴素贝叶斯89 6.1贝叶斯方法89 6.1.1先验概率、后验概率、联合分布89 6.1.2判别模型和生成模型90 6.2朴素贝叶斯原理90 6.2.1朴素贝叶斯概述90 6.2.2拉普拉斯平滑91 6.2.3朴素贝叶斯公式推导92 6.2.4朴素贝叶斯案例93 6.3朴素贝叶斯分类算法总结95 习题95 参考文献97 第7章机器学习实践99 7.1数据集划分99 7.1.1训练集、验证集和测试集划分99 7.1.2交叉验证100 7.1.3不平衡数据处理101 7.2评价指标103 7.2.1回归的评价指标103 7.2.2分类的评价指标103 7.2.3评价指标案例106 7.3正则化、偏差和方差107 7.3.1欠拟合和过拟合107 7.3.2正则化107 7.3.3偏差和方差109 习题111 参考文献113 第8章KNN算法115 8.1距离度量115 8.1.1欧几里得距离115 8.1.2曼哈顿距离116 8.1.3切比雪夫距离116 8.1.4闵可夫斯基距离117 8.1.5汉明距离117 8.1.6余弦相似度118 8.2KNN算法简介119 8.2.1KNN算法概述119 8.2.2KNN算法流程120 8.3KD树划分120 8.3.1KD树概述120 8.3.2KD树划分案例121 8.4KD树搜索124 8.4.1KD树搜索概述124 8.4.2KD树搜索案例125 习题126 参考文献128 第9章决策树129 9.1决策树原理129 9.1.1决策树概述129 9.1.2决策树算法思想130 9.2ID3算法130 9.2.1ID3算法概述130 9.2.2ID3划分标准131 9.2.3ID3算法总结133 9.3C4.5算法133 9.3.1C4.5算法概述133 9.3.2C4.5划分标准134 9.3.3C4.5剪枝处理134 9.3.4C4.5算法总结138 9.4CART算法139 9.4.1CART算法概述139 9.4.2CART分类树139 9.4.3CART回归树142 9.4.4CART剪枝处理142 9.4.5CART算法总结142 9.5决策树总结143 9.5.13种决策树算法的差异143 9.5.2决策树的优缺点143 习题144 参考文献146 第10章集成学习147 10.1集成学习概述147 10.1.1Bagging147 10.1.2Boosting148 10.1.3Stacking148 10.2随机森林149 10.2.1随机森林算法思想149 10.2.2随机森林算法总结150 10.3AdaBoost算法150 10.3.1AdaBoost算法思想150 10.3.2AdaBoost算法总结152 10.4GBDT算法153 10.4.1GBDT算法思想154 10.4.2GBDT算法总结156 10.5XGBoost算法156 10.5.1XGBoost算法思想156 10.5.2XGBoost算法推导158 10.5.3XGBoost算法总结161 10.6LightGBM算法161 10.6.1LightGBM算法思想162 10.6.2LightGBM算法总结166 习题167 参考文献169 第11章人工神经网络(选修)171 11.1人工神经网络概述171 11.2感知机模型172 11.2.1感知机模型概述172 11.2.2感知机算法流程172 11.3反向传播算法173 11.3.1反向传播算法概述173 11.3.2反向传播算法流程174 11.3.3反向传播算法总结178 习题179 参考文献182 第12章支持向量机183 12.1支持向量机概述183 12.1.1算法思想183 12.1.2背景知识184 12.2线性可分支持向量机185 12.2.1算法思想185 12.2.2求解步骤186 12.3线性支持向量机188 12.3.1松弛变量188 12.3.2求解步骤188 12.4线性不可分支持向量机190 12.4.1算法思想190 12.4.2核技巧190 12.4.3常用核函数191 12.4.4支持向量机的超参数191 12.5支持向量机算法总结192 12.5.1支持向量机普遍使用的准则192 12.5.2算法优缺点193 习题193 参考文献195 第13章聚类196 13.1聚类概述196 13.1.1无监督学习概述196 13.1.2聚类算法思想196 13.1.3聚类的背景知识198 13.2Kmeans聚类199 13.2.1Kmeans算法思想199 13.2.2Kmeans算法总结203 13.3密度聚类204 13.3.1DBSCAN算法概述204 13.3.2DBSCAN算法思想205 13.3.3DBSCAN算法总结208 13.4层次聚类208 13.4.1层次聚类概述208 13.4.2聚合聚类209 13.4.3分裂聚类209 13.4.4层次聚类算法总结210 13.5聚类的评价指标210 13.5.1均一性210 13.5.2完整性211 13.5.3Vmeasure211 13.5.4轮廓系数211 13.5.5调整兰德系数212 习题212 参考文献214 第14章降维215 14.1降维概述215 14.1.1维数灾难215 14.1.2降维概述215 14.2奇异值分解216 14.2.1SVD概述216 14.2.2SVD的算法思想217 14.2.3SVD的算法案例219 14.2.4SVD的一些应用220 14.3主成分分析222 14.3.1PCA概述222 14.3.2PCA算法思想222 14.3.3PCA算法案例225 14.3.4PCA算法总结225 习题226 参考文献229 第15章关联规则230 15.1关联规则概述230 15.2Apriori算法231 15.2.1Apriori算法概述231 15.2.2Apriori算法思想232 15.2.3Apriori算法案例232 15.2.4Apriori算法总结235 15.3FPGrowth算法235 15.3.1FPGrowth算法概述235 15.3.2FPGrowth算法思想235 15.3.3FPGrowth算法案例236 15.3.4FPGrowth算法总结240 15.4ECLAT算法240 15.4.1ECLAT算法概述240 15.4.2ECLAT算法思想241 15.4.3ECLAT算法总结241 习题242 参考文献244
  • 机器学习入门基础(微课版) 黄海广 徐震 张笑钦 清华大学出版社 9787302619581 正版旧书

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP