机器学习与智能感知
￥ 36.7 7.4折 ￥ 49.8 全新
库存5件
四川成都
认证卖家担保交易快速发货售后保障
作者张宝昌 等 编
出版社清华大学出版社
ISBN9787302641704
出版时间2023-09
装帧平装
开本16开
定价49.8元
货号1203101743
上书时间2024-12-18
- 在售商品 暂无
- 平均发货时间 7小时
- 好评率 暂无
![社区护理学（第3版）[全国高职高专护理类专业规划教材（第三轮）]](https://www0.kfzimg.com/sw/kfz-cos/kfzimg/befcfcda/79860cd8049b731b_s.jpg)
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章机器学习的发展史1
引言1
1.1机器学习1
1.1.1机器学习的定义和研究意义1
1.1.2机器学习的发展史3
1.1.3机器学习系统的基本结构4
1.1.4机器学习的分类5
1.1.5目前研究领域9
1.2统计模式识别问题9
1.2.1机器学习问题的表示10
1.2.2经验风险最小化11
1.2.3复杂性与推广能力12
1.3统计机器学习理论的核心内容13
1.3.1学习过程一致性的条件13
1.3.2推广性的界13
1.3.3结构风险最小化15
1.4解耦因果学习16
1.4.1因果学习17
1.4.2相关工作18
1.4.3解耦因果学习方法与应用18
1.5总结21
课后习题21
第2章决策树学习22
引言22
2.1决策树学习概述22
2.1.1决策树23
2.1.2性质24
2.1.3应用24
2.1.4学习24
2.2决策树设计25
2.2.1决策树的特点25
2.2.2决策树的生成25
2.3总结30
课后习题30
第3章PAC模型31
引言31
3.1基本的PAC模型31
3.1.1PAC简介31
3.1.2基本概念31
3.1.3问题框架32
3.2PAC模型样本复杂度分析33
3.2.1有限空间样本复杂度33
3.2.2无限空间样本复杂度34
3.3VC维计算35
3.4总结36
课后习题36
第4章贝叶斯学习37
引言37
4.1贝叶斯学习37
4.1.1贝叶斯公式37
4.1.2最小误差决策38
4.1.3正态密度38
4.1.4优选似然估计39
4.2朴素贝叶斯原理及应用40
4.2.1贝叶斯很好假设原理40
4.2.2基于朴素贝叶斯的文本分类器40
4.3HMM（隐马尔可夫模型）及应用43
4.3.1马尔可夫性43
4.3.2马尔可夫链44
4.3.3转移概率矩阵44
4.3.4HMM（隐马尔可夫模型）及应用44
4.4总结48
课后习题49
第5章支持向量机50
引言50
5.1支持向量机概述50
5.1.1margin优选化50
5.1.2支持向量机优化51
5.2支持向量机的实例55
5.3支持向量机的实现算法55
5.4多类支持向量机57
5.5总结58
课后习题58
第6章AdaBoost59
引言59
6.1AdaBoost与目标检测59
6.1.1AdaBoost算法59
6.1.2AdaBoost训练61
6.1.3AdaBoost实例62
6.2具有强鲁棒性的实时目标检测63
6.2.1Haarlike矩形特征选取63
6.2.2积分图63
6.2.3训练结果64
6.2.4级联64
6.3随机森林65
6.3.1原理阐述66
6.3.2算法详解66
6.3.3算法分析67
6.4总结67
课后习题68
内容摘要
本书旨在通过对机器学习主要原理和方法的介绍，并且结合作者多年来在智能感知方面的研究成果，对其他书籍未涉及的一些前沿研究进行补充阐述。通过对基础理论循序渐进、深入浅出的讲解，读者能够更快速地掌握机器学习的基本方法，在此基础上每章内容由易到难，读者可以根据自己的掌握程度以及兴趣，选择特定的方向进行更深入的学习。本书可作为有一定数学基础的人工智能专业的本科生和研究生教材，也可作为有志于钻研人工智能相关领域（包括机器学习和智能感知等方向）的读者的参考书。
主编推荐
本书强调基础知识与前沿研究的无缝衔接，从机器学习基础、深度学习理论与应用逐步深入，内容由易到难,循序渐进。
本书强调理论与实践的有效结合，引入大量案例讲解算法，使读者可以在学习案例的基础上更好地学习算法和理论。
本书整体逻辑严密，各章节又相对独立，不仅包括传统的理论和方法，也融入了一些新的算法和比较流行的机器学习理论，使读者了解机器学习的新方向和新发展。
本书可以作为计算机科学与技术、人工智能、智能科学与技术等专业的教学用书，也可以作为对机器学习感兴趣的读者的参考书。
本书配套教学课件，读者可从清华大学出版社网站下载使用。
— 没有更多了 —
以下为对购买帮助不大的评价