本書是關於機器學習這一主題內容全麵的教科書，涵蓋瞭通常在機器學習導論中並不包括的廣泛題材。對機器學習的定義和應用實例進行瞭介紹，涵蓋瞭監督學習、貝葉斯決策理論、參數方法、多元方法、維度歸約、聚類、非參數方法、決策樹、綫性判彆式、多層感知器、局部模型、核機器、圖方法、隱馬爾可夫模型、貝葉斯估計、組閤多學習器、增強學習以及機器學習實驗的設計與分析等。

目錄
Introduction to Machine Learning，
齣版者的話
譯者序
前言
符號說明
第章引言
1什麼是機器學習
1機器學習的應用實例
1學習關聯性
1分類
1迴歸
1非監督學習
1增強學習
1注釋
1相關資源
1習題
1參考文獻
第章監督學習
2由實例學習類
2維
2概率近似正確學習
2噪聲
2學習多類
2迴歸
2模型選擇與泛化
2監督機器學習算法的維
2注釋
2習題
2參考文獻
第章貝葉斯決策理論
3引言
3分類
3損失與風險
3判彆式函數
3關聯規則
3注釋
3習題
3參考文獻
第章參數方法
4引言
4大似然估計
4伯努利密度
4多項式密度
4高斯（正態）密度
4評價估計：偏倚和方差
4貝葉斯估計
4參數分類
4迴歸
4調整模型的復雜度：偏倚方差兩難選擇
4模型選擇過程
4注釋
4習題
4參考文獻
第章多元方法
5多元數據
5參數估計
5缺失值估計
5多元正態分布
5多元分類
5調整復雜度
5離散特徵
5多元迴歸
5注釋
5習題
5參考文獻
第章維度歸約
6引言
6子集選擇
6主成分分析
6特徵嵌入
6因子分析
6奇異值分解與矩陣分解
6多維定標
6綫性判彆分析
6典範相關分析
6等距特徵映射
6局部綫性嵌入
6拉普拉斯特徵映射
6注釋
6習題
6參考文獻
第章聚類
7引言
7混閤密度
7均值聚類
7期望大化算法
7潛在變量混閤模型
7聚類後的監督學習
7譜聚類
7層次聚類
7選擇簇個數
7注釋
7習題
7參考文獻
第章非參數方法
8引言
8非參數密度估計
8直方圖估計
8核估計
8近鄰估計
8推廣到多變元數據
8非參數分類
8精簡的近鄰
8基於距離的分類
8離群點檢測
8非參數迴歸：光滑模型
8移動均值光滑
8核光滑
8移動綫光滑
8如何選擇光滑參數
8注釋
8習題
8參考文獻
第章決策樹
9引言
9單變量樹
9分類樹
9迴歸樹
9剪枝
9由決策樹提取規則
9由數據學習規則
9多變量樹
9注釋
9習題
9參考文獻
第章綫性判彆式
10引言
10推廣綫性模型
10綫性判彆式的幾何意義
10兩類問題
10多類問題
10逐對分離
10參數判彆式的進一步討論
10梯度下降
10邏輯斯諦判彆式
10兩類問題
10多類問題
10迴歸判彆式
10學習排名
10注釋
10習題
10參考文獻
第章多層感知器
11引言
11理解人腦
11神經網絡作為並行處理的典範
11感知器
11訓練感知器
11學習布爾函數
11多層感知器
11作為普適近似的
11嚮後傳播算法
11非綫性迴歸
11兩類判彆式
11多類判彆式

目錄
Introduction to Machine Learning，
齣版者的話
譯者序
前言
符號說明
第章引言
1什麼是機器學習
1機器學習的應用實例
1學習關聯性
1分類
1迴歸
1非監督學習
1增強學習
1注釋
1相關資源
1習題
1參考文獻
第章監督學習
2由實例學習類
2維
2概率近似正確學習
2噪聲
2學習多類
2迴歸
2模型選擇與泛化
2監督機器學習算法的維
2注釋
2習題
2參考文獻
第章貝葉斯決策理論
3引言
3分類
3損失與風險
3判彆式函數
3關聯規則
3注釋
3習題
3參考文獻
第章參數方法
4引言
4大似然估計
4伯努利密度
4多項式密度
4高斯（正態）密度
4評價估計：偏倚和方差
4貝葉斯估計
4參數分類
4迴歸
4調整模型的復雜度：偏倚方差兩難選擇
4模型選擇過程
4注釋
4習題
4參考文獻
第章多元方法
5多元數據
5參數估計
5缺失值估計
5多元正態分布
5多元分類
5調整復雜度
5離散特徵
5多元迴歸
5注釋
5習題
5參考文獻
第章維度歸約
6引言
6子集選擇
6主成分分析
6特徵嵌入
6因子分析
6奇異值分解與矩陣分解
6多維定標
6綫性判彆分析
6典範相關分析
6等距特徵映射
6局部綫性嵌入
6拉普拉斯特徵映射
6注釋
6習題
6參考文獻
第章聚類
7引言
7混閤密度
7均值聚類
7期望大化算法
7潛在變量混閤模型
7聚類後的監督學習
7譜聚類
7層次聚類
7選擇簇個數
7注釋
7習題
7參考文獻
第章非參數方法
8引言
8非參數密度估計
8直方圖估計
8核估計
8近鄰估計
8推廣到多變元數據
8非參數分類
8精簡的近鄰
8基於距離的分類
8離群點檢測
8非參數迴歸：光滑模型
8移動均值光滑
8核光滑
8移動綫光滑
8如何選擇光滑參數
8注釋
8習題
8參考文獻
第章決策樹
9引言
9單變量樹
9分類樹
9迴歸樹
9剪枝
9由決策樹提取規則
9由數據學習規則
9多變量樹
9注釋
9習題
9參考文獻
第章綫性判彆式
10引言
10推廣綫性模型
10綫性判彆式的幾何意義
10兩類問題
10多類問題
10逐對分離
10參數判彆式的進一步討論
10梯度下降
10邏輯斯諦判彆式
10兩類問題
10多類問題
10迴歸判彆式
10學習排名
10注釋
10習題
10參考文獻
第章多層感知器
11引言
11理解人腦
11神經網絡作為並行處理的典範
11感知器
11訓練感知器
11學習布爾函數
11多層感知器
11作為普適近似的
11嚮後傳播算法
11非綫性迴歸
11兩類判彆式
機器學習導論（原書第3版）自學增強人工智能AI工程師技術員算法軟件基礎開發應用代碼計算機原理論 下載 mobi epub pdf txt 電子書 機器學習導論（原書第3版）自學增強人工智能AI工程師技術員算法軟件基礎開發應用代碼計算機原理論 pdf epub mobi txt 電子書 下載

用戶評價

機器學習導論（原書第3版）自學增強人工智能AI工程師技術員算法軟件基礎開發應用代碼計算機原理論 pdf epub mobi txt 電子書 下載

pdf 電子書 下載 epub 電子書 下載 mobi 電子書 下載 txt 電子書 下載

查看全網最低價

相關圖書