机器学习入门之道
全新正版 极速发货
¥
31.41
5.3折
¥
59
全新
库存2件
作者(日)中井悦司|译者:姚待艳
出版社人民邮电
ISBN9787115479341
出版时间2018-05
装帧其他
开本其他
定价59元
货号30170925
上书时间2024-05-22
商品详情
- 品相描述:全新
- 商品描述
-
作者简介
1971年4月生于日本大阪市。现为Linux工程师,任职于知名的Linux发行商Red Hat,主要致力于推动Linux/OSS在企业系统中的应用。从基于Linux/OSS的企业应用开发,到10000余台Linux服务器的运维,再到私有云的设计和构建,他通过各种各样的项目掌握了丰富的Linux编程经验,并积极地将自己的经验传授给年轻的程序员们。著作有《Linux系统网络管理技术》《Linux系统架构和应用技巧》等。
目录
第1章 数据科学和机器学习
1.1 数据科学在商业领域中的作用
1.2 机器学习算法的分类
1.2.1 分类:产生类判定的算法
1.2.2 回归分析:预测数值的算法
1.2.3 聚类分析:对数据进行无监督群组化的算法
1.2.4 其他算法
1.3 本书使用的例题
1.3.1 基于回归分析的观测值推断
1.3.2 基于线性判别的新数据分类
1.3.3 图像文件的褪色处理(提取代表色)
1.3.4 识别手写文字
1.4 分析工具的准备
1.4.1 本书使用的数据分析工具
1.4.2 运行环境设置步骤(以CentOS 6为例)
1.4.3 运行环境设置步骤(以Mac OS X为例)
1.4.4 运行环境设置步骤(以Windows 7/8.1为例)
1.4.5 IPython的使用方法
第2章 最小二乘法:机器学习理论第 一步
2.1 基于近似多项式和最小二乘法的推断
2.1.1 训练集的特征变量和目标变量
2.1.2 近似多项式和误差函数的设置
2.1.3 误差函数最小化条件
2.1.4 示例代码的确认
2.1.5 统计模型的最小二乘法
2.2 过度拟合检出
2.2.1 训练集和测试集
2.2.2 测试集的验证结果
2.2.3 基于交叉检查的泛化能力验证
2.2.4 基于数据的过度拟合变化
2.3 附录:Hessian矩阵的特性
第3章 最优推断法:使用概率的推断理论
3.1 概率模型的利用
3.1.1 “数据的产生概率”设置
3.1.2 基于似然函数的参数评价
3.1.3 示例代码的确认
3.2 使用简化示例的解释说明
3.2.1 正态分布的参数模型
3.2.2 示例代码的确认
3.2.3 推断量的评价方法(一致性和无偏性)
3.3 附录:样本均值及样本方差一致性和无偏性的证明
3.3.1 样本均值及样本方差一致性和无偏性的证明
3.3.2 示例代码的确认
第4章 感知器:分类算法的基础
4.1 概率梯度下降法的算法
4.1.1 分割平面的直线方程
4.1.2 基于误差函数的分类结果评价
4.1.3 基于梯度的参数修正
4.1.4 示例代码的确认
4.2 感知器的几何学解释
内容摘要
人工智能正在形成一股新的浪潮,它将从技术、
经济、社会等各个层面改变我们的工作和生活方式。
作为实现人工智能的重要技术,机器学习正在受到人工智能专家之外的更广泛人群的关注,想要了解机器学习相关知识和技术的人日益增多。
中井悦司著的《机器学习入门之道》紧紧围绕“机器学习的商业应用”这个主题,从数学原理上解释了机器学习的一些基础算法,如最小二乘法、最优推断法、感知器、Logistic回归、K均值算法、EM算法、贝叶斯推断等。全书的主旨在于帮助读者理解机器学习的本质,因此作者介绍具体的例题时,基本的着
眼点是教会读者使用什么样的思维方式,以及如何进行计算,为读者探索更加复杂的深度学习领域或神经网络算法打下坚实的基础。
本书适合所有对机器学习感兴趣的读者阅读,尤其适合具备一定数学基础的IT工程师阅读,也可作为高等院校相关专业师生的参考读物。
— 没有更多了 —
以下为对购买帮助不大的评价