• 保正版!图解机器学习9787115388025人民邮电出版社(日)杉山将
21年品牌 40万+商家 超1.5亿件商品

保正版!图解机器学习9787115388025人民邮电出版社(日)杉山将

1.7天无理由退换货,2.当日16点前订单基本当日发出,最迟隔天,3.天津仓、成都仓、无锡仓、北京仓、广东仓、泰安仓、杭州仓、武汉仓就近发货。4.韵达、中国邮政、圆通、中通随机安排!无法指定快递敬请谅解!5.开票联系客服.

23.19 3.9折 59.8 全新

库存118件

天津河东
认证卖家担保交易快速发货售后保障

作者(日)杉山将

出版社人民邮电出版社

ISBN9787115388025

出版时间2015-04

装帧平装

开本32开

定价59.8元

货号1202459482

上书时间2023-10-12

博文明智书店

四年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
目录
第I部分绪论

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章最小二乘学习法22

3.1最小二乘学习法22

3.2最小二乘解的性质25

3.3大规模数据的学习算法27

第4章带有约束条件的最小二乘法31

4.1部分空间约束的最小二乘学习法31

4.2l2约束的最小二乘学习法33

4.3模型选择37

第5章稀疏学习43

5.1l1约束的最小二乘学习法43

5.2l1约束的最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

5.4lp约束的最小二乘学习法51

5.5l1+l2约束的最小二乘学习法52

第6章鲁棒学习55

6.1l1损失最小化学习56

6.2Huber损失最小化学习58

6.3图基损失最小化学习63

6.4l1约束的Huber损失最小化学习65

第III部分有监督分类

第7章基于最小二乘法的分类70

7.1最小二乘分类70

7.20/1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间隔优选化分类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损失最小化学习来解释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

9.2Bagging学习法101

9.3Boosting学习法105

0章概率分类法112

10.1Logistic回归112

10.2最小二乘概率分类116

1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

2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

3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

4章聚类158

14.1K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

5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

6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拉普拉斯正则化最小二乘学习的求解方法183

16.3拉普拉斯正则化的解释186

7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

8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

9章多任务学习212

19.1使用最小二乘回归的多任务学习212

19.2使用最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

内容摘要
《图解机器学习》用丰富的图示,从很小二乘法出发,对基于很小二乘法实现的各种机器学习算法进行了详细的介绍。第Ⅰ部分介绍了机器学习领域的概况;第Ⅱ部分和第Ⅲ部分分别介绍了各种有监督的回归算法和分类算法;第Ⅳ部分介绍了各种无监督学习算法;第Ⅴ部分介绍了机器学习领域中的新兴算法。书中大部分算法都有相应的MATLAB程序源代码,可以用来进行简单的测试。本书适合所有对机器学习有兴趣的初学者阅读。

主编推荐
    187张图解轻松入门
    提供可执行的Matlab程序代码
    覆盖机器学习中实用、用途广的算法
    专业实用
    东京大学教授、机器学习研究人员执笔,浓缩机器学习的关键知识点
    图文并茂
    187张图示帮助理解,详略得当,为读懂大部头开路。
    角度新颖
    基于ZUI小二乘法讲解各种有监督学习的回归和分类算法,以及无监督学习算法。
    实战导向
    配有可执行的MATLAB程序代码,边学习边实践。

—  没有更多了  —

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