机器学习:从公理到算法 于剑 9787302471363 清华大学出版社
书号:9787302471363;作者:于剑;出版社:清华大学出版社;
￥ 30 3.8折 ￥ 80 八五品
仅1件
作者于剑
出版社清华大学出版社
ISBN9787302471363
出版时间2017-07
版次1
装帧平装
开本16开
纸张胶版纸
页数231页
定价80元
货号16B4-1
上书时间2024-02-20
- 在售商品 暂无
- 平均发货时间 5小时
- 好评率 暂无
- 店主推荐
- 最新上架
商品详情
- 品相描述：八五品
- 正版二手有笔记划线
- 商品描述
-
基本信息
书名:机器学习:从公理到算法
定价：80.00元
作者:于剑
出版社：清华大学出版社
出版日期：2017-07-01
ISBN：9787302471363
字数：301千字
页码：231
版次：1
装帧：平装-胶订
开本：32开
商品重量：
编辑推荐
机器学习是本次人工智能热潮的核心技术。引起轰动的应用如AlphaGo等,都可以看到机器学习的身影。目前，机器学习理论纷繁复杂，算法形式花样百出。人们一直在疑惑，机器学习，特别是其中的深度学习的本质到底是什么？作者积二十年研究之力，将各种学习理论融于一体，提出了五条学习公理，据此推导出了常见的学习算法，包括深度学习。如果想要知道机器学习的本质，理清各种学习算法之间的关系，本书是一条不容错过的终南捷径。
内容提要
这是一本基于公理研究学习算法的书。共17章，由两部分组成。部分是机器学习公理以及部分理论演绎，包括、2、6、8章，论述学习公理以及相应的聚类、分类理论。第二部分关注如何从公理推出经典学习算法，包括单类、多类和多源问题。第3～5章为单类问题，分别论述密度估计、回归和单类数据降维。第7、9～16章为多类问题，包括聚类、神经网络、K近邻、支持向量机、Logistic回归、贝叶斯分类、决策树、多类降维与升维等经典算法。后7章研究了多源数据学习问题。 n 本书可以作为高等院校计算机、自动化、数学、统计学、人工智能及相关专业的研究生教材，也可以供机器学习的爱好者参考。 n
目录
暂无相关内容
作者介绍
于剑，北京交通大学计算机学院教授，博士生导师，交通数据分析与挖掘北京市重点实验室主任，先后获得北京大学数学专业、硕士、博士，中国人工智能学会机器学习专委会副主任，中国计算机学会人工智能与模式识别专委会秘书长，承担多项国家自然科学基金项目，发表多篇学术论文，包括TPAMI、CVPR 等。
序言
暂无相关内容
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价