主編推薦 | |
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! |
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。 |
目錄 | |
第1章緒論 1.1引言 1.2基本術語 1.3假設空間 1.4歸納偏好 1.5發展曆程 1.6應用現狀 1.7閱讀材料 習題 參考文獻 休息一會兒 第2章模型評估與選擇 2.1經驗誤差與過擬閤 2.2評估方法 2.3性能度量 2.4比較檢驗 2.5偏差與方差 2.6閱讀材料 習題 參考文獻 休息一會兒 第3章綫性模型 3.1基本形式 3.2綫性迴歸 3.3對數幾率迴歸 3.4綫性判彆分析 3.5多分類學習 3.6類彆不平衡問題 3.7閱讀材料 習題 參考文獻 休息一會兒 第4章決策樹 4.1基本流程 4.2劃分選擇 4.3剪枝處理 4.4連續與缺失值 4.5多變量決策樹 4.6閱讀材料 習題 參考文獻 休息一會兒 第5章神經網絡 5.1神經元模型 5.2感知機與多層網絡 5.3誤差逆傳播算法 5.4全局x小與局部極小 5.5其他常見神經網絡 5.6深度學習 5.7閱讀材料 習題 參考文獻 休息一會兒 第6章支持嚮量機 6.1間隔與支持嚮量 6.2對偶問題 6.3核函數 6.4軟間隔與正則化 6.5支持嚮量迴歸 6.6核方法 6.7閱讀材料 習題 參考文獻 休息一會兒 第7章貝葉斯分類器 7.1貝葉斯決策論 7.2極大似然估計 7.3樸素貝葉斯分類器 7.4半樸素貝葉斯分類器 7.5貝葉斯網 7.6EM算法 7.7閱讀材料 習題 參考文獻 休息一會兒 第8章集成學習 8.1個體與集成 8.2Boosting 8.3Bagging與隨機森林 8.4結閤策略 8.5多樣性 8.6閱讀材料 習題 參考文獻 休息一會兒 第9章聚類 9.1聚類任務 9.2性能度量 9.3距離計算 9.4原型聚類 9.5密度聚類 9.6層次聚類 9.7閱讀材料 習題 參考文獻 休息一會兒 第10章降維與度量學習 10.1南近鄰學習 10.2低維嵌入 10.3主成分分析 10.4核化綫性降維 10.5流形學習 10.6度量學習 10.7閱讀材料 習題 參考文獻 休息一會兒 第11章特徵選擇與稀疏學習 11.1子集搜索與評價 11.2過濾式選擇 11.3包裹式選擇 11.4嵌入式選擇與L1正則化 11.5稀疏錶示與字典學習 11.6壓縮感知 11.7閱讀材料 習題 參考文獻. 休息一會兒 第12章計算學習理論 12.1基礎知識 12.2PAC學習 12.3有限假設空間 12.4VC維 12.5Rademacher復雜度 12.6穩定性 12.7閱讀材料 習題 參考文獻 休息一會兒 第13章半監督學習 13.1未標記樣本 13.2生成式方法 13.3半監督SVM 13.4圖半監督學習 13.5基於分歧的方法 13.6半監督聚類 13.7閱讀材料 習題 參考文獻 休息一會兒 第14章概率圖模型 14.1隱馬爾可夫模型 14.2馬爾可夫隨機場 14.3條件隨機場 14.4學習與推斷 14.5近似推斷 14.6話題模型 14.7閱讀材料 習題 參考文獻 休息一會兒 第15章規則學習 15.1基本概念 15.2序貫覆蓋 15.3剪枝優化 15.4一階規則學習 15.5歸納邏輯程序設計 15.6閱讀材料 習題 參考文獻 休息一會兒 第16章強化學習 16.1任務與奬賞 16.2K一搖臂賭博機 16.3有模型學習 16.4免模型學習 16.5值函數近似 16.6模仿學習 16.7閱讀材料 習題 參考文獻 休息一會兒 附錄 A矩陣 B優化 C概率分布 後記 索引 |
|
评分
评分
评分
评分
评分
评分
评分
评分
本站所有內容均為互聯網搜索引擎提供的公開搜索信息,本站不存儲任何數據與內容,任何內容與數據均與本站無關,如有需要請聯繫相關搜索引擎包括但不限於百度,google,bing,sogou 等
© 2025 tushu.tinynews.org All Rights Reserved. 求知書站 版权所有