集成学习 基础与算法
正版新书 新华官方库房直发 可开电子发票
￥ 56.98 6.4折 ￥ 89 全新
库存4件
作者周志华
出版社电子工业出版社
ISBN9787121390777
出版时间2020-08
版次1
装帧平装
开本16开
纸张胶版纸
页数207页
字数235千字
定价89元
货号SC:9787121390777
上书时间2024-12-24
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
主编推荐:
"《集成学习：基础与算法》是目前国内独本系统性阐述集成学习的著作。
集成学习的思路是通过结合多个学习器来解决问题，它在实践中大获成功——人称“从业者应学应会的大杀器”之一。
化繁为简：将复杂的原理简化为易于理解的表达，通俗易懂；
结构合理：兼具广度与深度。既阐述该领域的重要话题，又详释了重要算法的实现并辅以伪代码，更易上手；
注重实践：阐述集成学习在多个领域的应用，如计算机视觉、医疗、信息安全和数据挖掘竞赛等；
拓展阅读：提供丰富的参考资料，读者可按图索骥、自行深入学习；
新手通过本书很容易理解并掌握集成学习的思路与精粹；
老手通过本书能学会不少技巧并深化对集成学习的理论理解，更好地指导研究和实践。"
内容简介:
集成学习方法是一类优选的机器学习方法，这类方法训练多个学习器并将它们结合起来解决一个问题，在实践中获得了巨大成功。全书分为三部分。第一部分主要介绍集成学习的背景知识；第二部分主要介绍集成学习方法的核心知识，包括Boosting、Bagging、Random Forests等经典算法，平均、投票和Stacking等模型和方法、相关理论分析工作，以及多样性度量和增强方面的进展。第三部分介绍集成学习方法的进阶议题，包括集成修剪、聚类集成和集成学习方法在半监督学习、主动学习、代价敏感学习、类别不平衡学习，以及提升可理解性方面的进展。此外，本书还在每章中的“拓展阅读”部分提供了相关的进阶内容。本书适合对集成学习方法感兴趣的研究人员、学生和实践者阅读。
目录:
第1章 绪论
1.1 基本概念
1.2 常用学习算法
1.2.1 线性判别分析
1.2.2 决策树
1.2.3 神经网络
1.2.4 朴素贝叶斯
1.2.5 k-近邻
1.2.6 支持向量机和核方法
1.3 评估和对比
1.4 集成学习方法
1.5 集成学习方法的应用
1.6 拓展阅读
第2章 Boosting
2.1 Boosting过程
2.2 AdaBoost算法
2.3 说明性举例
2.4 理论探讨
2.4.1 基本分析
2.4.2 间隔解释
2.4.3 统计视角
2.5 多分类问题
2.6 容噪能力
2.7 拓展阅读
第3章 Bagging
3.1 两种集成范式
3.2 Bagging算法
3.3 说明性举例
3.4 理论探讨
3.5 随机树集成
3.5.1 随机森林
3.5.2 随机化谱
3.5.3 随机森林用于密度估计
3.5.4 随机森林用于异常检测
3.6 拓展阅读
第4章 结合方法
4.1 结合带来的益处
4.2 均值法
4.2.1 简单平均法
4.2.2 加权平均法
4.3 投票法
4.3.1 绝对多数投票法
4.3.2 相对多数投票法
4.3.3 加权投票法
...
— 没有更多了 —
以下为对购买帮助不大的评价