模式识别与机器学习
正版新书 新华官方库房直发 可开电子发票
￥ 47.97 6.9折 ￥ 69.5 全新
库存8件
作者孙仕亮，赵静编著
出版社清华大学出版社
ISBN9787302558927
出版时间2020-10
版次1
装帧平装
开本32开
纸张胶版纸
页数688页
字数285千字
定价69.5元
货号SC:9787302558927
上书时间2024-10-27
- 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
-
作者简介:
" 孙仕亮，清华大学博士，华东师范大学教授。在华东师范大学从事研究工作，主讲本科和研究生“模式识别与机器学习”“高级机器学习”等课程，并在英国伦敦大学学院、美国哥伦比亚大学从事访问合作研究。在模式识别与机器学习领域的国际有名期刊和会议发表学术论文100余篇，承担多项重量、省部级科研项目及国际知名企业的合作研究项目，研究成果多次获得省部级科学技术奖励。
赵静，华东师范大学博士，讲师。从事模式识别与机器学习领域的研究，包括概率模型、贝叶斯学习、近似推理与优化。主讲研究生“高级机器学习”和本科生“可信机器学习”等课程。入选上海市2016年度“扬帆计划”和2019年度“晨光计划”。发表论文近20篇，代表性成果发表于JMLR、T-CYB、IJCAI等国际很好期刊和会议。
"
主编推荐:
" 通俗易懂，配有典型示例
图文并茂，配有近100幅直观示意图
算法清晰，做到知其然和知其所以然
富有深度，包含重要模型扩展
完整性好，附有重要数学基础
配套全面，教学和学习无忧
"
内容简介:
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。
目录:
第1章引言1
1.1基本概念1
1.1.1投票选举2
1.1.2三个小皮匠胜过诸葛亮3
1.1.3主动学习4
1.2典型的机器学习系统5
1.2.1医学图像诊断5
1.2.2时间序列识别6
1.2.3对话系统7
1.2.4异常检测8
1.3前沿研究方向举例9
1.3.1多视图机器学习9
1.3.2强化学习11
1.3.3可信人工智能11
1.4后续章节安排13
参考文献13
第2章贝叶斯学习基础15
2.1贝叶斯公式16
2.2贝叶斯决策18
2.2.1最小错误率贝叶斯决策18
2.2.2最小风险贝叶斯决策21
2.3分类器的相关概念23
2.3.1分类器、判别函数和决策面24
2.3.2分类器的错误率25
2.4基于高斯分布的贝叶斯分类器26
2.5朴素贝叶斯分类器32
2.6参数估计33
2.6.1优选似然估计33
2.6.2优选后验估计35
2.6.3期望优选化算法36
2.6.4贝叶斯参数估计37
思考与计算38
参考文献39
第3章逻辑回归40
3.1线性回归41
3.1.1最小二乘与优选似然44
3.1.2正则化最小二乘与优选后验47
3.2贝叶斯线性回归50
3.3逻辑回归52
3.3.1二类逻辑回归52
3.3.2多类逻辑回归55
3.4贝叶斯逻辑回归56
思考与
...
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价