机器学习及其应用
正版新书 新华官方库房直发 可开电子发票
￥ 52.14 6.6折 ￥ 79 全新
库存24件
作者汪荣贵,杨娟,薛丽霞
出版社机械工业出版社
ISBN9787111632023
出版时间2019-08
版次1
装帧平装
开本16开
纸张胶版纸
页数390页
字数615千字
定价79元
货号SC:9787111632023
上书时间2024-05-10
- 在售商品 暂无
- 平均发货时间 13小时
- 好评率 暂无
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:
精彩内容:
内容简介:
《机器学习及其应用》比较系统地介绍机器学习的基础理论与应用技术。首先，介绍掌握机器学习理论和方法所必须具备的基础知识，包括机器学习的基本概念与发展历程、模型构造与优化的基本方法；然后，介绍和讨论监督学习、无监督学习、集成学习、强化学习等传统机器学习理论与方法；在详细探讨神经网络与深度学习基本理论的基础上，介绍深度卷积网络、深度循环网络、生成对抗网络等若干典型深度学习模型的基本理论与训练范式，分析讨论深度强化学习的基本理论与方法。《机器学习及其应用》站在高年级本科生和低年级硕士研究生的思维角度编写，尽可能用朴实的语言深入浅出地准确表达知识内容，着重突出机器学习方法的思想内涵和本质，使得广大读者能够掌握全书主要内容。《机器学习及其应用》每章均配有一定数量的习题，适合作为智能科学与技术、数据科学与大数据技术、计算机类相关专业的本科生或研究生的机器学习入门级教材，也可供工程技术人员和自学的读者学习参考。
目录:
前言
第1章机器学习概述
1.1机器学习基本概念
1.1.1人工智能与机器学习
1.1.2机器学习基本术语
1.1.3机器学习误差分析
1.2机器学习发展历程
1.2.1感知机与连接学习
1.2.2符号学习与统计学习
1.2.3连接学习的兴起
1.3机器学习基本问题
1.3.1特征提取
1.3.2规则构造
1.3.3模型评估
1.4习题
第2章模型估计与优化
2.1模型参数估计
2.1.1zui小二乘估计
2.1.2zui大似然估计
2.1.3zui大后验估计
2.2模型优化基本方法
2.2.1梯度下降法
2.2.2牛顿迭代法
2.3模型优化概率方法
2.3.1随机梯度法
2.3.2zui大期望法
2.3.3蒙特卡洛法
2.4模型正则化策略
2.4.1范数惩罚
2.4.2样本增强
2.4.3对抗训练
2.5习题
第3章监督学习
3.1线性模型
3.1.1模型结构
3.1.2线性回归
3.1.3线性分类
3.2决策树模型
3.2.1模型结构
3.2.2判别标准
3.2.3模型构造
3.3贝叶斯模型
3.3.1贝叶斯方法
3.3.2贝叶斯分类
3.3.3贝叶斯回归
3.4支持向量机
3.4.1线性可分性
3.4.2核函数技术
...
— 没有更多了 —
以下为对购买帮助不大的评价