机器学习实践
正版新书 新华官方库房直发 可开电子发票
￥ 34.79 7.1折 ￥ 49 全新
仅1件
作者(美)柯克(Matthew Kirk) 著;段菲 译
出版社人民邮电出版社
ISBN9787115396181
出版时间2015-08
版次1
装帧平装
开本16开
纸张胶版纸
页数188页
字数302千字
定价49元
货号SC:9787115396181
上书时间2024-09-16
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
Matthew Kirk拥有经济学和应用与计算数学科学双学士学位。在2012年年初创立了数据科学和Ruby开发咨询公司Modulus 7。针对使用机器学习和数据科学在全球做过演讲。
段菲，原三星电子（中国）研究院资深研究员，研究方向为机器学习和计算机视觉。
内容简介:
《机器学习实践：测试驱动的开发方法》面技术开发人员、cto和咨询顾问人员，介绍了机器学习的基本原理，涵盖了测试驱动的机器学习、机器学习概述、k近邻分类、朴素贝叶斯分类、隐马尔科夫模型、支持向量机、神经网络、聚类、核岭回归、模型改进与数据提取等内容。
目录:
前言
第1章 测试驱动的机器学习
1.1 TDD的历史
1.2 TDD与科学方法
1.2.1 TDD可构建有效的逻辑命题
1.2.2 TDD要求你将假设以文字或代码的形式记录下来
1.2.3 TDD和科学方法的闭环反馈机制
1.3 机器学习中的风险
1.3.1 数据的不稳定性
1.3.2 欠拟合
1.3.3 过拟合
1.3.4 未来的不可预测性
1.4 为降低风险应采用的测试
1.4.1 利用接缝测试减少数据中的不稳定因素
1.4.2 通过交叉验证检验拟合效果
1.4.3 通过测试训练速度降低过拟合风险
1.4.4 检测未来的精度和查全率漂移情况
1.5 小结
第2章 机器学习概述
2.1 什么是机器学习
2.1.1 有监督学习
2.1.2 无监督学习
2.1.3 强化学习
2.2 机器学习可完成的任务
2.3 本书采用的数学符号
2.4 小结
第3章 K 近邻分类
3.1 K近邻分类的历史
3.2 基于邻居的居住幸福度
3.3 如何选择K
3.3.1 猜测K的值
3.3.2 选择K的启发式策略
3.3.3 K的选择算法
3.4 何谓“近”
3.4.1 Minko
...
— 没有更多了 —
以下为对购买帮助不大的评价