模式识别与机器学习
全新正版 极速发货
￥ 27.98 4.0折 ￥ 69.5 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者编者:孙仕亮//赵静|责编:张玥
出版社清华大学
ISBN9787302558927
出版时间2020-10
装帧其他
开本其他
定价69.5元
货号30991141
上书时间2024-09-04
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章 引言
1.1 基本概念
1.1.1 投票选举
1.1.2 三个小皮匠胜过诸葛亮
1.1.3 主动学习
1.2 典型的机器学统
1.2.1 医学图像诊断
1.2.2 时间序列识别
1.2.3 对话系统
1.2.4 异常检测
1.3 前沿研究方向举例
1.3.1 多视图机器学习
1.3.2 强化学习
1.3.3 可信人工智能
1.4 后续章节安排
参考文献
第2章 贝叶斯学习基础
2.1 贝叶斯公式
2.2 贝叶斯决策
2.2.1 最小错误率贝叶斯决策
2.2.2 最小风险贝叶斯决策
2.3 分类器的相关概念
2.3.1 分类器、判别函数和决策面
2.3.2 分类器的错误率
2.4 基于高斯分布的贝叶斯分类器
2.5 朴素贝叶斯分类器
2.6 参数估计
2.6.1 最大似然估计
2.6.2 最大后验估计
2.6.3 期望最大化算法
2.6.4 贝叶斯参数估计
思考与计算
参考文献
第3章 逻辑回归
3.1 线性回归
3.1.1 最小二乘与最大似然
3.1.2 正则化最小二乘与最大后验
3.2 贝叶斯线性回归
3.3 逻辑回归
3.3.1 二类逻辑回归
3.3.2 多类逻辑回归
3.4 贝叶斯逻辑回归
思考与计算
参考文献
第4章 概率图模型基础
4.1 有向图模型
4.1.1 模型表示
4.1.2 条件独立性
4.1.3 常见的有向图模型
4.2 无向图模型
内容摘要
本书系统介绍模式识别与机器学习的基础理论、模型与算法，同时适当融人前沿知识。本书以贝叶斯学习的思想贯穿始终，并适时与其他重要知识点（如支持向量机、深度学习）等进行交叉和关联，便于读者在形成良好知识体系的同时保持对整个领域知识的全面把握。
全书共14章和4个附录，循序渐进地对模式识别与机器学习领域进行剖析。首先介绍贝叶斯学习基础、逻辑回归、概率图模型基础、隐马尔可夫模型和条件随机场，接着介绍支持向量机、人工神经网络与深度学习、高斯过程、聚类、主成分分析与相关的谱方法，最后介绍确定性近似推理、随机近似
推理和强化学习。附录包括传统的模式识别与机器学习方法中的近邻法和决策树，还有向量微积分和随机变量的变换等与本学科方向强相关的重要知识点。
本书内容深入浅出，生
动有趣，力求反映这一领域
的核心知识体系和新的发展趋势。全书内容都尽可能做到丰富完整，重点章节附有思考与计算习题，便于读者对知识的巩固和融会贯通。
本书适合作为本科生和研究生（硕／博）课程的教材，也可作为希望从事人工智能相关工作的科技工作者的自学参考书。
— 没有更多了 —
以下为对购买帮助不大的评价