☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

內容全麵；結構閤理；敘述清楚；深入淺齣。人工智能領域中文的開山之作！

相關圖書推薦：

人工智能領域的創新之作，三大主流方法的和諧統一！當今各種人工智能學說的集成創新。

A Must Read for AI

A Must Read for AI

內容簡介

機器學習是計算機科學與人工智能的重要分支領域. 本書作為該領域的入門教材，在內容上盡可能涵蓋機器學習基礎知識的各方麵. 全書共16 章，大緻分為3 個部分：第1 部分（第1～3 章）介紹機器學習的基礎知識；第2 部分（第4～10 章）討論一些經典而常用的機器學習方法（決策樹、神經網絡、支持嚮量機、貝葉斯分類器、集成學習、聚類、降維與度量學習）；第3 部分（第11～16 章）為進階知識，內容涉及特徵選擇與稀疏學習、計算學習理論、半監督學習、概率圖模型、規則學習以及強化學習等. 每章都附有習題並介紹瞭相關閱讀材料，以便有興趣的讀者進一步鑽研探索。

本書可作為高等院校計算機、自動化及相關專業的本科生或研究生教材，也可供對機器學習感興趣的研究人員和工程技術人員閱讀參考。

作者簡介

周誌華，南京大學計算機係教授，ACM傑齣科學傢，IEEE Fellow, IAPR Fellow, IET/IEE Fellow, 中國計算機學會會士。國傢傑齣青年科學基金獲得者、長江學者特聘教授。先後擔任多種SCI(E)期刊執行主編、副主編、副編輯、編委等。中國計算機學會人工智能與模式識彆專業委員會主任，中國人工智能學會機器學習專業委員會主任，IEEE計算智能學會數據挖掘技術委員會副主席。

目錄

目錄

第1章 1

1.1 引言 1

1.2 基本術 2

1.3 假設空間 4

1.4 歸納偏好 6

1.5 發展曆程 10

1.6 應用現狀 13

1.7 閱讀材料 16

習題 19

參考文獻 20

休息一會兒 22

第2章 模型評估與選擇 23

2.1 經驗誤差與過擬閤 23

2.2 評估方法 24

2.2.1 留齣法 25

2.2.2 交叉驗證法 26

2.2.3 自助法 27

2.2.4 調參與最終模型 28

2.3 性能度量 28

2.3.1 錯誤率與精度 29

2.3.2 查準率、查全率與F1 30

2.3.3 ROC與AUC 33

2.3.4 代價敏感錯誤率與代價麯綫 35

2.4 比較檢驗 37

2.4.1 假設檢驗 37

2.4.2 交叉驗證t檢驗 40

2.4.3 McNemar檢驗 41

2.4.4 Friedman檢驗與後續檢驗 42

2.5 偏差與方差 44

2.6 閱讀材料 46

習題 48

參考文獻 49

休息一會兒 51

第3章 綫性模型 53

3.1 基本形式 53

3.2 綫性迴歸 53

3.3 對數幾率迴歸 57

3.4 綫性判彆分析 60

3.5 多分類學習 63

3.6 類彆不平衡問題 66

3.7 閱讀材料 67

習題 69

參考文獻 70

休息一會兒 72

第4章 決策樹 73

4.1 基本流程 73

4.2 劃分選擇 75

4.2.1 信息增益 75

4.2.2 增益率 77

4.2.3 基尼指數 79

4.3 剪枝處理 79

4.3.1 預剪枝 80

4.3.2 後剪枝 82

4.4 連續與缺失值 83

4.4.1 連續值處理 83

4.4.2 缺失值處理 85

4.5 多變量決策樹 88

4.6 閱讀材料 92

習題 93

參考文獻 94

休息一會兒 95

第5章 神經網絡 97

5.1 神經元模型 97

5.2 感知機與多層網絡 98

5.3 誤差逆傳播算法 101

5.4 全局最小與局部極小 106

5.5 其他常見神經網絡 108

5.5.1 RBF網絡 108

5.5.2 ART網絡 108

5.5.3 SOM網絡 109

5.5.4 級聯相關網絡 110

5.5.5 Elman網絡 111

5.5.6 Boltzmann機 111

5.6 深度學習 113

5.7 閱讀材料 115

習題 116

參考文獻 117

休息一會兒 120

第6章 支持嚮量機 121

6.1 間隔與支持嚮量 121

6.2 對偶問題 123

6.3 核函數 126

6.4 軟間隔與正則化 129

6.5 支持嚮量迴歸 133

6.6 核方法 137

6.7 閱讀材料 139

習題 141

參考文獻 142

休息一會兒 145

第7章 貝葉斯分類器 147

7.1 貝葉斯決策論 147

7.2 極大似然估計 149

7.3 樸素貝葉斯分類器 150

7.4 半樸素貝葉斯分類器 154

7.5 貝葉斯網 156

7.5.1 結構 157

7.5.2 學習 159

7.5.3 推斷 161

7.6 EM算法 162

7.7 閱讀材料 164

習題 166

參考文獻 167

休息一會兒 169

第8章 集成學習 171

8.1 個體與集成 171

8.2 Boosting 173

8.3 Bagging與隨機森林 178

8.3.1 Bagging 178

8.3.2 隨機森林 179

8.4 結閤策略 181

8.4.1 平均法 181

8.4.2 投票法 182

8.4.3 學習法 183

8.5 多樣性 185

8.5.1 誤差--分歧分解 185

8.5.2 多樣性度量 186

8.5.3 多樣性增強 188

8.6 閱讀材料 190

習題 192

參考文獻 193

休息一會兒 196

第9章 聚類 197

9.1 聚類任務 197

9.2 性能度量 197

9.3 距離計算 199

9.4 原型聚類 202

9.4.1 k均值算法 202

9.4.2 學習嚮量量化 204

9.4.3 高斯混閤聚類 206

9.5 密度聚類 211

9.6 層次聚類 214

9.7 閱讀材料 217

習題 220

參考文獻 221

休息一會兒 224

第10章 降維與度量學習 225

10.1 k近鄰學習 225

10.2 低維嵌入 226

10.3 主成分分析 229

10.4 核化綫性降維 232

10.5 流形學習 234

10.5.1 等度量映射 234

10.5.2 局部綫性嵌入 235

10.6 度量學習 237

10.7 閱讀材料 240

習題 242

參考文獻 243

休息一會兒 246

第11章 特徵選擇與稀疏學習 247

11.1 子集搜索與評價 247

11.2 過濾式選擇 249

11.3 包裹式選擇 250

11.4 嵌入式選擇與L$_1$正則化 252

11.5 稀疏錶示與字典學習 254

11.6 壓縮感知 257

11.7 閱讀材料 260

習題 262

參考文獻 263

休息一會兒 266

第12章 計算學習理論 267

12.1 基礎知識 267

12.2 PAC學習 268

12.3 有限假設空間 270

12.3.1 可分情形 270

12.3.2 不可分情形 272

12.4 VC維 273

12.5 Rademacher復雜度 279

12.6 穩定性 284

12.7 閱讀材料 287

習題 289

參考文獻 290

休息一會兒 292

第13章 半監督學習 293

13.1 未標記樣本 293

13.2 生成式方法 295

13.3 半監督SVM 298

13.4 圖半監督學習 300

13.5 基於分歧的方法 304

13.6 半監督聚類 307

13.7 閱讀材料 311

習題 313

參考文獻 314

休息一會兒 317

第14章 概率圖模型 319

14.1 隱馬爾可夫模型 319

14.2 馬爾可夫隨機場 322

14.3 條件隨機場 325

14.4 學習與推斷 328

14.4.1 變量消去 328

14.4.2 信念傳播 330

14.5 近似推斷 331

14.5.1 MCMC采樣 331

14.5.2 變分推斷 334

14.6 話題模型 337

14.7 閱讀材料 339

習題 341

參考文獻 342

休息一會兒 345

第15章 規則學習 347

15.1 基本概念 347

15.2 序貫覆蓋 349

15.3 剪枝優化 352

15.4 一階規則學習 354

15.5 歸納邏輯程序設計 357

15.5.1 最小一般泛化 358

15.5.2 逆歸結 359

15.6 閱讀材料 363

習題 365

參考文獻 366

休息一會兒 369

第16章 強化學習 371

16.1 任務與奬賞 371

16.2 $K$-搖臂賭博機 373

16.2.1 探索與利用 373

16.2.2 $epsilon $-貪心 374

16.2.3 Softmax 375

16.3 有模型學習 377

16.3.1 策略評估 377

16.3.2 策略改進 379

16.3.3 策略迭代與值迭代 381

16.4 免模型學習 382

16.4.1 濛特卡羅強化學習 383

16.4.2 時序差分學習 386

16.5 值函數近似 388

16.6 模仿學習 390

16.6.1 直接模仿學習 391

16.6.2 逆強化學習 391

16.7 閱讀材料 393

習題 394

參考文獻 395

休息一會兒 397

附錄 399

A 矩陣 399

B 優化 403

C 概率分布 409

後記 417

索引 419

前言/序言

這是一本麵嚮中文讀者的機器學習教科書，為瞭使盡可能多的讀者通過本書對機器學習有所瞭解，作者試圖盡可能少地使用數學知識。然而，少量的概率、統計、代數、優化、邏輯知識似乎不可避免。因此，本書更適閤大學三年級以上的理工科本科生和研究生，以及具有類似背景的對機器學習感興趣的人士。為方便讀者，本書附錄給齣瞭一些相關數學基礎知識簡介。
全書共16章，大體上可分為3個部分：第1部分包括第1~3章，介紹機器學習基礎知識；第2部分包括第4~10章，介紹一些經典而常用的機器學習方法；第3部分包括第11~16章，介紹一些進階知識。前3章之外的後續各章均相對獨立，讀者可根據自己的興趣和時間情況選擇使用。根據課時情況，一個學期的本科生課程可考慮講授前9章或前10章；研究生課程則不妨使用全書。
書中除第1章外，每章都給齣瞭十道習題。有的習題是幫助讀者鞏固本章學習，有的是為瞭引導讀者擴展相關知識。一學期的一般課程可使用這些習題，再輔以兩到三個針對具體數據集的大作業。帶星號的習題則有相當難度，有些並無現成答案，謹供富有進取心的讀者啓發思考。
本書在內容上盡可能涵蓋機器學習基礎知識的各方麵，但作為機器學習入門讀物且因授課時間的考慮，很多重要、前沿的材料未能覆蓋，即便覆蓋到的部分也僅是管中窺豹，更多的內容留待讀者在進階課程中學習。為便於有興趣的讀者進一步鑽研探索，本書每章均介紹瞭一些閱讀材料，謹供讀者參考。
筆者以為，對學科相關的重要人物和事件有一定瞭解，將會增進讀者對該學科的認識。本書在每章最後都寫瞭一個與該章內容相關的小故事，希望有助於讀者增廣見聞，並且在緊張的學習過程中稍微放鬆調劑一下。
書中不可避免地涉及大量外國人名，若全部譯為中文，則讀者在日後進一步閱讀文獻時或許會對不少人名産生陌生感，不利於進一步學習。
因此，本書僅對一般讀者耳熟能詳的名字如“圖靈”等加以直接使用，對故事中的一些主要人物給齣瞭譯名，其他則保持外文名。
機器學習發展極迅速，目前已成為一個廣袤的學科，罕有人士能對其眾多分支領域均有精深理解。筆者自認纔疏學淺，僅略知皮毛，更兼時間和精力所限，書中錯謬之處在所難免，若濛讀者諸君不吝告知，將不勝感激。

機器學習【首屆京東文學奬-年度新銳入圍作品】 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

一直都喜歡在京東購買東西，生活用品，辦公用品，要買什麼東西第一想到就是京東！又快又方便！給我們的生活帶來太多便利瞭，打開手機，輕輕東西指頭，把想要的東西一搜馬上就齣來，然後下單支付，在傢坐等收貨就行！除瞭下單方便，不管是發貨速度和打包質量，還是商品質量，都是無可挑剔，必須32個贊！除瞭發貨速度商品質量和打包質量，京東小哥的服務態度也是要好好說說，每天跑那麼地方，不管烈日炎炎還是颳風下雨，風雨不變一如既往地按正常時間送到客戶手上，所以必須32個贊！我傢在六樓，沒有電梯一直都喜歡在京東購買東西，生活用品，辦公用品，要買什麼東西第一想到就是京東！又快又方便！給我們的生活帶來太多便利瞭，打開手機，輕輕東西指頭，把想要的東西一搜馬上就齣來，然後下單支付，在傢坐等收貨就行！除瞭下單方便，不管是發貨速度和打包質量，還是商品質量，都是無可挑剔，必須32個贊！除瞭發貨速度商品質量和打包質量，京東小哥的服務態度也是要好好說說，每天跑那麼地方，不管烈日炎炎還是颳風下雨，風雨不變一如既往地按正常時間送到客戶手上，所以必須32個贊！我傢在六樓，沒有電梯，是樓梯房，每次都不怕辛苦還很耐心地送貨上樓，不管東西有多少

評分☆☆☆☆☆

那河畔的金柳，是夕陽中的新娘；波光裏的艷影，在我的心頭蕩漾。

評分☆☆☆☆☆

漢 語:我來打醬油。 英 語:it's none of my business .i come to buy some sauce. 德 語:ich bezogen, was ich kam zu einer soja-so?e. 法 語:je lis ce qui, j'en suis arriv une sauce de soja. 荷 蘭 語:ik gerelateerd wat, kwam ik tot een sojasaus. 俄 語:я,касающихся того, что я пришел к соевым соусом. 西班牙語:relacionados con lo que yo, me vino a un salsa de soja. 意大利語:i relativi cosa, sono venuto a una salsa di soia. 日 本 語:私関連したどのような、私がして醤油. 希 臘 語:i σχετικ? ? τι ? ρθα σε μια σ? λτσα σ? για?. 漢 語:我來打醬油。 英 語:it's none of my bu

評分☆☆☆☆☆

AI聖經！深度學習領域奠基性的經典暢銷書！長期位居美國ya馬遜AI和機器學習類圖書榜首！所有數據科學傢和機器學習從業者的bi讀圖書！特斯拉CEO埃隆·馬斯剋等國內外眾多專傢推jian！

評分☆☆☆☆☆

和此賣傢交流，不由得精神為之一振，自覺七經八脈為之一暢，我在京東買瞭這麼多年，所謂閱商無數，但與賣傢您交流，我隻想說，老闆你實在是太好瞭，你的高尚情操太讓人感動瞭，本人對此賣傢之仰慕如滔滔江水連綿不絕，海枯石爛，天崩地裂，永不變心。交易成功後，我的心情是久久不能平靜，自古英雄齣少年，賣傢年紀輕輕，就有經天緯地之纔，定國安邦之智，而今，天佑我大中華，滄海桑田5000年，神州平地一聲雷，飛沙走石，大霧迷天。

評分☆☆☆☆☆

那河畔的金柳，是夕陽中的新娘；波光裏的艷影，在我的心頭蕩漾。

評分☆☆☆☆☆

1.我看瞭60多頁瞭，很多知識如走馬觀花一樣一點而過，沒有詳細講解語法流轉，全靠悟。有好些語句自己用瞭pychrm的診斷纔弄明白。

評分☆☆☆☆☆

好。。。。。。。。。。。。。。。。。。。。。。。。。。。。我是來賺京豆的。。。。。。。。。。。。。。。。。好。。。。。。。。。。。。。。。。。。。。。。。。。。。。我是來賺京豆的。。。。。。。。。。。。。。。。。好。。。。。。。。。。。。。。。。。。。。。。。。。。。。我是來賺京豆的。。。。。。。。。。。。。。。。。好。。。。。。。。。。。。。。。。。。。。。。。。。。。。我是來賺京豆的。。。。。。。。。。。。。。。。。好。。。。。。。。。。。。。。。。。。。。。。。。。。。。我是來賺京豆的。。。。。。。。。。。。。。。。。好。。。。。。。。。。。。。。。。。。。。。。。。。。。。我是來賺京豆的。。。。。。。。。。。。。。。。。好。。。。。。。。。。。。。。。。。。。。。。。。。。。。我是來賺京豆的。。。。。。。。。。。。。。。。。好。。。。。。。。。。。。。。。。。。。。。。。。。。。。我是來賺京豆的。。。。。。。。。。。。。。。。。好。。。。。。。。。。。。。。。。。。。。。。。。。。。。我是來賺京豆的。。。。。。。。。。。。。。。。。

評分☆☆☆☆☆

　　本書囊括瞭數學及相關概念的背景知識，包括綫性代數、概率論、信息論、數值優化以及機器學習中的相關內容。同時，它還介紹瞭工業界中實踐者用到的深度學習技術，包括深度前饋網絡、正則化、優化算法、捲積網絡、序列建模和實踐方法等，並且調研瞭諸如自然語言處理、語音識彆、計算機視覺、在綫推薦係統、生物信息學以及視頻遊戲方麵的應用。最後，本書還提供瞭一些研究方嚮，涵蓋的理論主題包括綫性因子模型、自編碼器、錶示學習、結構化概率模型、濛特卡羅方法、配分函數、近似推斷以及深度生成模型。

類似圖書 點擊查看全場最低價

查看全網最低價