機器學習 計算機與互聯網 書籍|8185 pdf epub mobi txt 電子書 下載 2024
圖書介紹
发表于2024-11-24
類似圖書 點擊查看全場最低價
店鋪： 互動齣版網圖書專營店
齣版社： 機械工業齣版社
ISBN：7111109937
商品編碼：16007151390
叢書名： 計算機科學叢書
齣版時間：2003-01-01
頁數：280
機器學習 計算機與互聯網 書籍|8185 epub 下載 mobi 下載 pdf 下載 txt 電子書 下載 2024
相關圖書
機器學習 計算機與互聯網 書籍|8185 epub 下載 mobi 下載 pdf 下載 txt 電子書 下載 2024
機器學習 計算機與互聯網 書籍|8185 pdf epub mobi txt 電子書 下載 2024
具體描述
| 書[0名0]： | 機器[0學0]習|8185 |
| 圖書定價： | 35元 |
| 圖書作者： | （美）Tom Mitchell |
| 齣版社： | 機械工業齣版社 |
| 齣版日期： | 2003/1/1 0:00:00 |
| ISBN號： | 7111109937 |
| 開本： | 16開 |
| 頁數： | 280 |
| 版次： | 1-1 |
| 作者簡介 |
| TOM M.Mitchell是卡內基梅隆[0大0][0學0]的教授，講授“機器(AAA)的主席：美[0國0]《Machine Leaming》雜誌、[0國0]際機器[0學0]習年度[0會0]議（ICML）的創始人：多種技術雜誌的撰稿人，曾發錶過許多文章，齣版過多本專著，是機器[0學0]習[0領0]域的著[0名0][0學0]者。 |
| 內容簡介 |
| 本書展示瞭機器[0學0]習中核心的算[0法0]和理論，並闡明瞭算[0法0]的運行過程。本書綜閤瞭許多的研究成果，例如統計[0學0]、人工智能、哲[0學0]、信息論、生物[0學0]、認[0知0]科[0學0]、計算復雜性和控製論等，並以此來理解問題的背景、算[0法0]和其中的隱含假定。本書可作為計算機專業 本科生、研究生教材，也可作為相關[0領0]域研究人員、教師的參考書。 |
| 目錄 |
[0第0]1章 引言 1．1 [0學0]習問題的標準描述 1．2 設計-個[0學0]習係統 1．2．1 選擇訓練經驗 1．2．2 選擇目標函數 1．2．3 選擇目標函數的錶示 1. 2．4 選擇函數逼近算[0法0] 1．2．5 終設計 1．3 機器[0學0]習的一些觀點和問題 1．4 如何閱讀本書 1．5 小結和補充讀物 習題 [0第0]2章 概念[0學0]習和一般到特殊序 2．1 簡介 2．2 概念[0學0]習任務 2．2．1 術語定義 2．2．2 歸納[0學0]習假設 2．3 作為搜索的概念[0學0]習 2．4 FIND-S：尋找[0極0][0大0]特殊假設 2．5 變型空間和候選消除算[0法0] 2．5．1 錶示 2．5．2 列錶後消除算[0法0] 2．5．3 變型空間的更簡潔錶示 2．5．4 候選消除[0學0]習算[0法0] 2．5．5 算[0法0]的舉例 2．6 關於變型空間和候選消除的說明 2．6．1 候選消除算[0法0]是否[0會0]收斂到正確的假設 2．6．2 下一步需要什麼樣的訓練樣例 2．6．3 怎樣使用不完全[0學0]習概念 2．7 歸納偏置 2．7．1 -個有偏的假設空間 2．7．2 無偏的[0學0]習器 2．7．3 無偏[0學0]習的無用性 2．8 小始和補充讀物 習題 [0第0]3章 決策樹[0學0]習 3．1 簡介 3．2 決策樹錶示[0法0] 3．3 決策樹[0學0]習的適用問題 3．4 基本的決策樹[0學0]習算[0法0] 3．4．1 哪個屬性是佳的分類屬性 3．4．2 舉例 3．5 決策樹[0學0]習中的假設空間搜索 3．6 決策樹[0學0]習的歸納偏置 3．6．1 限定偏置和[0優0]選偏置 3．6．2 為什麼短的假設[0優0]先 3．7 決策樹[0學0]習的常見問題 3．7．1 避免過度擬閤數據 3. 7．2 閤並連續值屬性 3．7．3 屬性選擇的其他度量標準 3．7．4 處理缺少屬性值的訓練樣例 3．7．5 處理不同代價的屬性 3．8 小結和補充讀物 習題 [0第0]4章 人工神經網絡 4．1 簡介 4．2 神經網絡錶示 4．3 適閤神經網絡[0學0]習的問題 4．4 感[0知0]器 4．4．1 感[0知0]器的錶徵能力 4. 4．2 感[0知0]器訓練[0法0]則 4．4．3 梯度下降和delta[0法0]則 4．4．4 小結 4．5 多層網絡和反嚮傳播算[0法0] 4．5．1 可微閾值單元 4．5．2 反嚮傳播算[0法0] 4．5．3 反嚮傳播[0法0]則的推導 4．6 反嚮傳播算[0法0]的說明 4．6．1 收斂性和局部[0極0]小值 4．6．2 前饋網絡的錶徵能力 4．6．3 假設空間搜索和歸納偏置 4．6．4 隱藏層錶示 4．6．5 泛化、過度擬閤和停止判據 4．7 舉例：人臉識彆 4．7．1 任務 4．7．2 設計要素 4．7．3 [0學0]習到的隱藏層錶示 4．8 人工神經網絡的高級課題 4．8．1 其他可選的誤差函數 4．8．2 其他可選的誤差小化過程 4．8．3 遞歸網絡 4．8．4 動態修改網絡結構 4．9 小結和補充讀物 習題 [0第0]5章 [0評0]估假設 5．1 動機 5．2 估計假設精度 5．2．1 樣本錯誤率和真實錯誤率 5．2．2 離散值假設的置信區間 5．3 采樣理論基礎 5．3．1 錯誤率估計和二項比例估計 5．3．2 二項分布 5．3．3 均值和方差 5．3．4 估計量、偏差和方差 5．3．5 置信區間 5．3．6 [0[0雙0]0]側和單側邊界 5．4 推導置信區間的一般方[0法0] 5．5 兩個假設錯誤率間的差異 5．6 [0學0]習算[0法0]比較 5．6. 1 配對t測試 5．6．2 實際考慮 5．7 小結和補充讀物 習題 [0第0]6章 貝葉斯[0學0]習 6．1 簡介 6．2 貝葉斯[0法0]則 6．3 貝葉斯[0法0]則和概念[0學0]習 6．3．1 BRUTE-FORCE貝葉斯概念[0學0]習 6．3．2 MAP假設和一緻[0學0]習器 6．4 [0極0][0大0]似然和小誤差平方假設 6．5 用於預測概率的[0極0][0大0]似然假設 6．6 小描述長度準則 6．7 貝葉斯[0優0]分類器 6．8 GIBBS算[0法0] 6．9 樸素貝葉斯分類器 6．10 舉例：[0學0]習分類文本 6．11 貝葉斯信念網 6．11．1 條件[0獨0]立性 6．11．2 錶示 6．11．3 推理 6．11．4 [0學0]習貝葉斯信念網 6．11．5 貝葉斯網的梯度上升訓練 6．11．6 [0學0]習貝葉斯網的結構 6．12 EM算[0法0] 6．12．1 估計k個高斯分布的均值 6．12．2 EM算[0法0]的一般錶述 6．12．3 k均值算[0法0]的推導 6．13 小結和補充讀物 習題 [0第0]7章 計算[0學0]習理論 7．1 簡介 7．2 可能[0學0]習近似正確假設 7．2．1 問題框架 7．2．2 假設的錯誤率 7．2．3 PAC可[0學0]習性 7．3 有限假設空間的樣本復雜度 7．3．1 不可[0知0][0學0]習和不一緻假設 7．3．2 布爾文字的閤取是PAC可[0學0]習的 7．3．3 其他概念類彆的PAC可[0學0]習性 7．4 無限假設空間的樣本復雜度 7．4．1 打散一個實例集閤 7．4．2 Vapnik-Chervonenkis維度 7．4．3 樣本復雜度和VC維 7．4．4 神經網絡的VC維 7．5 [0學0]習的齣錯界限模型 7．5．1 FIND-S算[0法0]的齣錯界限 7．5．2 HALVING算[0法0]的齣錯界限 7．5．3 [0優0]齣錯界限 7．5．4 加[0權0]多數算[0法0] 7．6 小結和補充讀物 習題 [0第0]8章 基於實例的[0學0]習 8．1 簡介 8．2 k-近鄰算[0法0] 8．2．1 距離加[0權0]近鄰算[0法0] 8．2．2 對k-近鄰算[0法0]的說明 8．2．3 術語注解 8．3 局部加[0權0]迴歸 8．3．1 局部加[0權0]綫性迴歸 8．3．2 局部加[0權0]迴歸的說明 8．4 徑嚮基函數 8．5 基於案例的推理 8．6 對消[0極0][0學0]習和積[0極0][0學0]習的[0評0]論 8．7 小結和補充讀物 習題 [0第0]9章 遺傳算[0法0] 9．1 動機 9．2 遺傳算[0法0] 9．2．1 錶示假設 9．2．2 遺傳算子 9．2．3 適應度函數和假設選擇 9．3 舉例 9．4 假設空間搜索 9．5 遺傳編程 9．5．1 程序錶示 9．5．2 舉例 9．5．3 遺傳編程說明 9．6 進化和[0學0]習模型 9．6．1 拉馬剋進化 9．6．2 鮑德溫效應 9．7 並行遺傳算[0法0] 9．8 小結和補充讀物 習題 [0第0]10章 [0學0]習規則集閤 10．1 簡介 10．2 序列覆蓋算[0法0] 10．2．1 一般到特殊的柱狀搜索 10．2．2 幾種變型 10．3 [0學0]習規則集：小結 10．4 [0學0]習一階規則 10．4．1 一階Horn子句 10．4．2 術語 10．5 [0學0]習一階規則集：FOIL 10．5．1 FOIL中的候選特化式的生成 10．5．2 引導FOIL的搜索 10．5．3 [0學0]習遞歸規則集 10．5．4 FOIL小結 10．6 作為逆演繹的歸納 10．7 逆歸納 10．7．1 一階歸納 10．7．2 逆歸納：一階情況 10．7．3 逆歸納小結 10．7．4 泛化、-包容和涵蘊 10．7．5 PROGOL 10．8 小結和補充讀物 習題 [0第0]11章 分析[0學0]習 11．1 簡介 11．2 用完美的[0領0]域理論[0學0]習：PROLOG-EBG 11．3 對基於解釋的[0學0]習的說明 11．3．1 發現新特徵 11．3．2 演繹[0學0]習 11．3．3 基於解釋的[0學0]習的歸納偏置 11．3．4 [0知0]識級的[0學0]習 11．4 搜索控製[0知0]識的基於解釋的[0學0]習 11．5 小結和補充讀物 習題 [0第0]12章 歸納和分析[0學0]習的結閤 12．1 動機 12．2 [0學0]習的歸納-分析途徑 12．2．1 [0學0]習問題 12．2．2 假設空間搜索 12．3 使用先驗[0知0]識得到初始假設 12．3．1 KBANN算[0法0] 12．3．2 舉例 12．3．3 說明 12．4 使用先驗[0知0]識改變搜索目標 12．4．1 TANGENTPROP算[0法0] 12．4．2 舉例 12．4．3 說明 12．4．4 EBNN算[0法0] 12．4．5 說明 12．5 使用先驗[0知0]識來擴展搜索算子 12．5．1 FOCL算[0法0] 12．5．2 說明 12．6 研究現狀 12．7 小結和補充讀物 習題 [0第0]13章 增強[0學0]習 13．1 簡介 13．2 [0學0]習任務 13．3 Q[0學0]習 13．3．1 Q函數 13．3．2 一個[0學0]習Q的算[0法0] 13．3．3 舉例 13．3．4 收斂性 13．3．5 實驗策略 13．3．6 更新序列 13．4 非確定性迴報和動作 13．5 時間差分[0學0]習 13．6 從樣例中泛化 13．7 與動態規劃的聯樂 13．8 小結和補充讀物 習題 附錄 符號約定 |
![[二手] 計算機組成原理(第五版 立體化教材)無盤 白中英 科學齣版社 pdf epub mobi 電子書 下載](https://pic.tinynews.org/16010384991/59a78cd9N07d4f4ff.jpg)
![[二手] 計算機科學導論 原書第二版 佛羅贊,(美)莫沙拉夫 ,劉藝 pdf epub mobi 電子書 下載](https://pic.tinynews.org/16010625231/59a78ec8Na97757f9.jpg)
