• 【闪电发货】机器学习周志华 机器学习公式详解西瓜书 南瓜书人工智能入门教程解析深度学习计算机程序设计python编程书籍 机器学习教材

【闪电发货】机器学习周志华 机器学习公式详解西瓜书 南瓜书人工智能入门教程解析深度学习计算机程序设计python编程书籍 机器学习教材

9787115559104

103.96 全新

库存2件

江苏南京
认证卖家担保交易快速发货售后保障

作者谢文睿

出版社人民邮电出版社

ISBN9787115559104

出版时间2022-02

装帧平装

货号640945134023

上书时间2022-09-25

长林书店

四年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
内容介绍

 机器学习 *版
 机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材,在内容上尽可能涵盖机器学习基础知识的各方面. 全书共16 章,大致分为3 个部分:* 部分(*~3 章)介绍机器学习的基础知识;第2 部分(第4~10 章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习);第3 部分(*1~16 章)为进阶知识,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等. 每章都附有习题并介绍了相关阅读材料,以便有兴趣的读者进一步钻研探索。
 本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材,也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。
 机器学习公式详解
 周志华老师的《机器学习》(俗称“西瓜书”)是机器学习领域的经典入门教材之一。本书(俗称“南瓜书”)基于Datawhale 成员自学“西瓜书”时记下的笔记编著而成,旨在对“西瓜书”中重难点公式加以解析,以及对部分公式补充具体的推导细节。 全书共16 章,与“西瓜书”章节、公式对应,每个公式的推导和解析都以本科数学基础的视角进行讲解,希望能够帮助读者达到“理工科数学基础扎实点的大二下学期学生”水平。每章都附有相关阅读材料,以便有兴趣的读者进一步钻研探索。 本书思路清晰,视角独特,结构合理,可作为高等院校计算机及相关专业的本科生或研究生教材,也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。

 目录

 机器学习
 *章 11.1 引言 11.2 基本术 21.3 假设空间 41.4 归纳偏好 61.5 发展历程 101.6 应用现状 131.7 阅读材料 16习题 19参考文献 20休息一会儿 22第2章 模型评估与选择 23 2.1 经验误差与过拟合 23 2.2 评估方法 24 2.2.1 留出法 25 2.2.2 交叉验证法 26 2.2.3 自助法 27 2.2.4 调参与最终模型 28 2.3 性能度量 28 2.3.1 错误率与精度 29 2.3.2 查准率、查全率与F1 30 2.3.3 ROC与AUC 33 2.3.4 代价敏感错误率与代价曲线 35 2.4 比较检验 37 2.4.1 假设检验 37 2.4.2 交叉验证t检验 40 2.4.3 McNemar检验 41 2.4.4 Friedman检验与后续检验 42 2.5 偏差与方差 44 2.6 阅读材料 46 习题 48 参考文献 49 休息一会儿 51 第3章 线性模型 53 3.1 基本形式 53 3.2 线性回归 53 3.3 对数几率回归 57 3.4 线性判别分析 60 3.5 多分类学习 63 3.6 类别不平衡问题 66 3.7 阅读材料 67 习题 69 参考文献 70 休息一会儿 72 第4章 决策树 73 4.1 基本流程 73 4.2 划分选择 75 4.2.1 信息增益 75 4.2.2 增益率 77 4.2.3 基尼指数 79 4.3 剪枝处理 79 4.3.1 预剪枝 80 4.3.2 后剪枝 82 4.4 连续与缺失值 83 4.4.1 连续值处理 83 4.4.2 缺失值处理 85 4.5 多变量决策树 88 4.6 阅读材料 92 习题 93 参考文献 94 休息一会儿 95 第5章 神经网络 97 5.1 神经元模型 97 5.2 感知机与多层网络 98 5.3 误差逆传播算法 101 5.4 全局最小与局部极小 106 5.5 其他常见神经网络 108 5.5.1 RBF网络 108 5.5.2 ART网络 108 5.5.3 SOM网络 109 5.5.4 级联相关网络 110 5.5.5 Elman网络 111 5.5.6 Boltzmann机 111 5.6 深度学习 113 5.7 阅读材料 115 习题 116 参考文献 117 休息一会儿 120 第6章 支持向量机 121 6.1 间隔与支持向量 121 6.2 对偶问题 123 6.3 核函数 126 6.4 软间隔与正则化 129 6.5 支持向量回归 133 6.6 核方法 137 6.7 阅读材料 139 习题 141 参考文献 142 休息一会儿 145 第7章 贝叶斯分类器 147 7.1 贝叶斯决策论 147 7.2 极大似然估计 149 7.3 朴素贝叶斯分类器 150 7.4 半朴素贝叶斯分类器 154 7.5 贝叶斯网 156 7.5.1 结构 157 7.5.2 学习 159 7.5.3 推断 161 7.6 EM算法 162 7.7 阅读材料 164 习题 166 参考文献 167 休息一会儿 169 第8章 集成学习 171 8.1 个体与集成 171 8.2 Boosting 173 8.3 Bagging与随机森林 178 8.3.1 Bagging 178 8.3.2 随机森林 179 8.4 结合策略 181 8.4.1 平均法 181 8.4.2 投票法 182 8.4.3 学习法 183 8.5 多样性 185 8.5.1 误差--分歧分解 185 8.5.2 多样性度量 186 8.5.3 多样性增强 188 8.6 阅读材料 190 习题 192 参考文献 193 休息一会儿 196 第9章 聚类 197 9.1 聚类任务 197 9.2 性能度量 197 9.3 距离计算 199 9.4 原型聚类 202 9.4.1 k均值算法 202 9.4.2 学习向量量化 204 9.4.3 高斯混合聚类 206 9.5 密度聚类 211 9.6 层次聚类 214 9.7 阅读材料 217 习题 220 参考文献 221 休息一会儿 224 *0章 降维与度量学习 225 10.1 k近邻学习 225 10.2 低维嵌入 226 10.3 主成分分析 229 10.4 核化线性降维 232 10.5 流形学习 234 10.5.1 等度量映射 234 10.5.2 局部线性嵌入 235 10.6 度量学习 237 10.7 阅读材料 240 习题 242 参考文献 243 休息一会儿 246 *1章 特征选择与稀疏学习 247 11.1 子集搜索与评价 247 11.2 过滤式选择 249 11.3 包裹式选择 250 11.4 嵌入式选择与L$_1$正则化 252 11.5 稀疏表示与字典学习 254 11.6 压缩感知 257 11.7 阅读材料 260 习题 262 参考文献 263 休息一会儿 266 *2章 计算学习理论 267 12.1 基础知识 267 12.2 PAC学习 268 12.3 有限假设空间 270 12.3.1 可分情形 270 12.3.2 不可分情形 272 12.4 VC维 273 12.5 Rademacher复杂度 279 12.6 稳定性 284 12.7 阅读材料 287 习题 289 参考文献 290 休息一会儿 292 *3章 半监督学习 293 13.1 未标记样本 293 13.2 生成式方法 295 13.3 半监督SVM 298 13.4 图半监督学习 300 13.5 基于分歧的方法 304 13.6 半监督聚类 307 13.7 阅读材料 311 习题 313 参考文献 314 休息一会儿 317 *4章 概率图模型 319 14.1 隐马尔可夫模型 319 14.2 马尔可夫随机场 322 14.3 条件随机场 325 14.4 学习与推断 328 14.4.1 变量消去 328 14.4.2 信念传播 330 14.5 近似推断 331 14.5.1 MCMC采样 331 14.5.2 变分推断 334 14.6 话题模型 337 14.7 阅读材料 339 习题 341 参考文献 342 休息一会儿 345 *5章 规则学习 347 15.1 基本概念 347 15.2 序贯覆盖 349 15.3 剪枝优化 352 15.4 一阶规则学习 354 15.5 归纳逻辑程序设计 357 15.5.1 最小一般泛化 358 15.5.2 逆归结 359 15.6 阅读材料 363 习题 365 参考文献 366 休息一会儿 369 *6章 强化学习 371 16.1 任务与奖赏 371 16.2 $K$-摇臂赌博机 373 16.2.1 探索与利用 373 16.2.2 $epsilon $-贪心 374 16.2.3 Softmax 375 16.3 有模型学习 377 16.3.1 策略评估 377 16.3.2 策略改进 379 16.3.3 策略迭代与值迭代 381 16.4 免模型学习 382 16.4.1 蒙特卡罗强化学习 383 16.4.2 时序差分学习 386 16.5 值函数近似 388 16.6 模仿学习 390 16.6.1 直接模仿学习 391 16.6.2 逆强化学习 391 16.7 阅读材料 393 习题 394 参考文献 395 休息一会儿 397 附录 399 A 矩阵 399 B 优化 403 C 概率分布 409 后记 417 索引 419 

 机器学习公式详解
 序(王斌 小米AI 实验室主任、NLP &席科学家) 前言 主要符号表 第 1章 绪论 式(1.1) 式(1.2) 第 2章 模型评估与选择 式(2.20) 式(2.21) 式(2.27) 式(2.41) 附注 参考文献 第3章 线性模型 式(3.5) 式(3.6) 式(3.7) 式(3.10) 式(3.27) 式(3.30) 式(3.32) 式(3.37) 式(3.38) 式(3.39) 式(3.43) 式(3.44) 式(3.45) 第4章 决策树 式(4.1) 式(4.2) 式(4.6) 式(4.7) 式(4.8) 附注 参考文献 第5章 神经网络 式(5.2) 式(5.10) 式(5.12) 式(5.13) 式(5.14) 式(5.15) ii j 目录 式(5.20) 式(5.22) 式(5.23) 式(5.24) 附注 参考文献 第6章 支持向量机 式(6.9) 式(6.10) 式(6.11) 式(6.13) 式(6.35) 式(6.37) 式(6.38) 式(6.39) 式(6.40) 式(6.41) 式(6.52) 式(6.60) 式(6.62) 式(6.63) 式(6.65) 式(6.66) 式(6.67) 式(6.70) 附注 参考文献 第7章 贝叶斯分类器 式(7.5) 式(7.6) 式(7.12) 式(7.13) 式(7.19) 式(7.20) 式(7.24) 式(7.25) 式(7.27) 式(7.34) 附注 参考文献 第8章 集成学习 式(8.1) 式(8.2) 式(8.3) 式(8.4) 式(8.5) 式(8.6) 式(8.7) 式(8.8) 式(8.9) 式(8.10) 式(8.11) 式(8.12) 式(8.13) 式(8.14) 式(8.16) 式(8.17) 式(8.18) 式(8.19) 式(8.20) 式(8.21) 式(8.22) 式(8.23) 式(8.24) 式(8.25) 式(8.26) 式(8.27) 式(8.28) 式(8.29) 式(8.30) 式(8.31) 式(8.32) 式(8.33) 式(8.34) 式(8.35) 式(8.36) 第9章 聚类 式(9.5) 式(9.6) 式(9.7) 式(9.8) 式(9.33) 式(9.34) 式(9.35) 式(9.38) 第 10章 降维与度量学习 式(10.1) 式(10.2) 式(10.3) 式(10.4) 式(10.5) 式(10.6) 式(10.10) 式(10.14) 式(10.17) 式(10.24) 式(10.28) 式(10.31) 第 11章 特征选择与稀疏学习 式(11.1) 式(11.2) 式(11.5) 式(11.6) 式(11.7) 式(11.10) 式(11.11) 式(11.12) 式(11.13) 式(11.14) 式(11.15) 式(11.16) 式(11.17) 式(11.18) 第 12章 计算学习理论 式(12.1) 式(12.2) 式(12.3) 式(12.4) 式(12.5) 式(12.7) 式(12.9) 式(12.10) 式(12.11) 式(12.12) 式(12.13) 式(12.14) 式(12.15) 式(12.16) 式(12.17) 式(12.18) 式(12.19) 式(12.20) 式(12.21) 式(12.22) 式(12.23) 式(12.24) 式(12.25) 式(12.26) 式(12.27) 式(12.28) 式(12.29) 式(12.30) 式(12.31) 式(12.32) 式(12.34) 式(12.36) 式(12.37) 式(12.38) 式(12.39) 式(12.40) 式(12.41) 式(12.42) 式(12.43) 式(12.44) 式(12.45) 式(12.46) 式(12.52) 式(12.53) 式(12.57) 式(12.58) 式(12.59) 式(12.60) 参考文献 第 13章 半监督学习 式(13.1) 式(13.2) 式(13.3) 式(13.4) 式(13.5) 式(13.6) 式(13.7) 式(13.8) 式(13.9) 式(13.12) 式(13.13) 式(13.14) 式(13.15) 式(13.16) 式(13.17) 式(13.20) 第 14章 概率图模型 式(14.1) 式(14.2) 式(14.3) 式(14.4) 式(14.7) 式(14.8) 式(14.9) 式(14.10) 式(14.14) 式(14.15) 式(14.16) 式(14.17) 式(14.18) 式(14.19) 式(14.20) 式(14.22) 式(14.26) 式(14.27) 式(14.28) 式(14.29) 式(14.30) 式(14.31) 式(14.32) 式(14.33) 式(14.34) 式(14.35) 式(14.36) 式(14.37) 式(14.38) 式(14.39) 式(14.40) 式(14.41) 式(14.42) 式(14.43) 式(14.44) 第 15章 规则学习 式(15.2) 式(15.3) 式(15.6) 式(15.7) 式(15.9) 式(15.10) 式(15.11) 式(15.12) 式(15.13) 式(15.14) 式(15.16) 第 16章 强化学习 式(16.2) 式(16.3) 式(16.4) 式(16.7) 式(16.8) 式(16.10) 式(16.14) 式(16.16) 式(16.31) 

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP