图解机器学习
￥ 8.72 1.8折 ￥ 49 九五品
仅1件
作者[日]杉山将 著,许永伟 译
出版社人民邮电出版社
ISBN9787115388025
出版时间2015-04
版次1
装帧平装
开本16开
纸张胶版纸
页数226页
字数99999千字
定价49元
上书时间2024-12-16
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:图解机器学习
定价：49.00元
作者:[日]杉山将 著,许永伟 译
出版社：人民邮电出版社
出版日期：2015-04-01
ISBN：9787115388025
字数：209000
页码：226
版次：1
装帧：平装
开本：大32开
商品重量：
编辑推荐
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经典、用途广的算法专业实用：东京大学教授、机器学习专家执笔，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。
内容提要
《图解机器学习》用丰富的图示，从二乘法出发，对基于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。
目录
第I部分 绪 论 章 什么是机器学习 1.1 学习的种类 1.2 机器学习任务的例子 1.3 机器学习的方法 第2章 学习模型 2.1 线性模型 2.2 核模型 2.3 层级模型 第II部分 有监督回归 第3章 二乘学习法 3.1 二乘学习法 3.2 二乘解的性质 3.3 大规模数据的学习算法 第4章带有约束条件的二乘法 4.1 部分空间约束的二乘学习法 4.2 ｌ2 约束的二乘学习法 4.3 模型选择 第5章 稀疏学习 5.1 ｌ1 约束的二乘学习法 5.2 ｌ1 约束的二乘学习的求解方法 5.3 通过稀疏学习进行特征选择 5.4 ｌp约束的二乘学习法 5.5 ｌ1 ｌ2 约束的二乘学习法 第6章 鲁棒学习 6.1 ｌ1 损失化学习 6.2 Huber损失化学习 6.3 图基损失化学习 6.4 ｌ1 约束的Huber损失化学习 第III部分 有监督分类 第7章 基于二乘法的分类 7.1 二乘分类 7.2 0/1 损失和间隔 7.3 多类别的情形 第8章 支持向量机分类 8.1 间隔化分类 8.2 支持向量机分类器的求解方法 8.3 稀疏性 8.4 使用核映射的非线性模型 8.5 使用Hinge损失化学习来解释 8.6 使用Ramp损失的鲁棒学习 第9章 集成分类 9.1 剪枝分类 9.2 Bagging学习法 9.3 Boosting 学习法 0章 概率分类法 10.1 Logistic回归 10.2 二乘概率分类 1 章序列数据的分类 11.1 序列数据的模型化 11.2 条件随机场模型的学习 11.3 利用条件随机场模型对标签序列进行预测 第IV部分 无监督学习 2章 异常检测 12.1 局部异常因子 12.2 支持向量机异常检测 12.3 基于密度比的异常检测 3章 无监督降维 13.1 线性降维的原理 13.2 主成分分析 13.3 局部保持投影 13.4 核函数主成分分析 13.5 拉普拉斯特征映射 4章 聚类 14.1 K均值聚类 14.2 核K均值聚类 14.3 谱聚类 14.4 调整参数的自动选取 第V部分 新兴机器学习算法 5章 在线学习 15.1 被动攻击学习 15.2 适应正则化学习 6章 半监督学习 16.1 灵活应用输入数据的流形构造 16.2 拉普拉斯正则化二乘学习的求解方法 16.3 拉普拉斯正则化的解释 7章 监督降维 17.1 与分类问题相对应的判别分析 17.2 充分降维 8章 迁移学习 18.1 协变量移位下的迁移学习 18.2 类别平衡变化下的迁移学习 9章 多任务学习 19.1 使用二乘回归的多任务学习 19.2 使用二乘概率分类器的多任务学习 19.3 多次维输出函数的学习 第VI部分 结 语 第20章 总结与展望 参考文献
作者介绍
杉山将（作者） 1974年生于大阪。东京工业大学计算机工程学博士毕业，现为东京大学教授、日本国立信息学研究所客座教授。主要从事机器学习的理论研究和算法开发，以及在信号和图像处理等方面的应用。2011年获日本信息处理学会长尾真纪念特别奖。著有《统计机器学习》、Density Ratio Estimation in Machine Learning等。同时也是Pattern Recognition and Machine Learning日文版的译者之一。 许永伟（译者） 2009年赴东京大学攻读博士学位，现于东京大学空间信息科学研究所从事博士后研究（特任研究员）。主要研究方向为模式识别与机器学习、图像处理与计算机视觉，对数据挖掘、大数据和信息架构有浓厚兴趣。
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价