万本电子书0元读

万本电子书0元读

顶部广告

机器学习电子书

  http://product.dangdang.com/25089622.html   内容全面;结构合理;叙述清楚;深浅出。人工智能领域中文的山之作! 这是一本面向中文读者的机器学习教科书, 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识. 然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究生, 以及具有类似背景的对机器学习感兴趣的人士. 为方便读者, 本书附录给出了一些相关数学基础知识简介.

售       价:¥

纸质售价:¥75.60购买纸书

1784人正在读 | 1人评论 7.2

作       者:周志华

出  版  社:清华大学出版社

出版时间:2016-01-01

字       数:31.9万

所属分类: 科技 > 计算机/网络 > 程序设计

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(2条)
  • 读书简介
  • 目录
  • 累计评论(2条)
机器学习是计算机科学的重要分支领域. 本书作为该领域的门教材,在内容上尽可能涵盖机器学习基础知识的各方面. 全书共 16 章,大致分为 3 个部分:第 1 部分(第 1~3 章)介绍机器学习的基础知识;第 2 部分(第 4~10 章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习);第 3 部分(第 11~16 章)为阶知识,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等. 每章都附有习题并介绍了相关阅读材料,以便有兴趣的读者一步钻研探索.  本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材,也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考.<br/>【推荐语】<br/>败AlphaGo的武林秘籍;赢得人机大战的必由之路。回答了有关机器学习的六大疑问,浅显生动,外行也能读懂。既道出了机器学习的前世今生,又展望了机器学习的未来发展,让道听途说的信息止于智者。<br/>【作者】<br/>周志华 教授,南京大学计算机系主任、人工智能学院院长、校学术委员会委员。欧洲科学院外籍院士。人工智能相关五大主流国际学会ACM、AAAI、AAAS、IEEE、IAPR均选Fellow的首位华人学者,中国计算机学会、中国人工智能学会会士。曾获IEEE计算机学会Edward J. McCluskey技术成就奖、CCF王选奖等。<br/>
目录展开

序言

前言

如何使用本书 ——写在第十次印刷之际

主要符号表

第1章 绪论

1.1 引言

1.2 基本术语

1.3 假设空间

1.4 归纳偏好

1.5 发展历程

1.6 应用现状

1.7 阅读材料

习题

参考文献

休息一会儿

第2章 模型评估与选择

2.1 经验误差与过拟合

2.2 评估方法

2.3 性能度量

2.4 比较检验

2.5 偏差与方差

2.6 阅读材料

习题

参考文献

休息一会儿

第3章 线性模型

3.1 基本形式

3.2 线性回归

3.3 对数几率回归

3.4 线性判别分析

3.5 多分类学习

3.6 类别不平衡问题

3.7 阅读材料

习题

参考文献

休息一会儿

第4章 决策树

4.1 基本流程

4.2 划分选择

4.3 剪枝处理

4.4 连续与缺失值

4.5 多变量决策树

4.6 阅读材料

习题

参考文献

休息一会儿

第5章 神经网络

5.1 神经元模型

5.2 感知机与多层网络

5.3 误差逆传播算法

5.4 全局最小与局部极小

5.5 其他常见神经网络

5.6 深度学习

5.7 阅读材料

习题

参考文献

休息一会儿

第6章 支持向量机

6.1 间隔与支持向量

6.2 对偶问题

6.3 核函数

6.4 软间隔与正则化

6.5 支持向量回归

6.6 核方法

6.7 阅读材料

习题

参考文献

休息一会儿

第7章 贝叶斯分类器

7.1 贝叶斯决策论

7.2 极大似然估计

7.3 朴素贝叶斯分类器

7.4 半朴素贝叶斯分类器

7.5 贝叶斯网

7.6 EM算法

7.7 阅读材料

习题

参考文献

休息一会儿

第8章 集成学习

8.1 个体与集成

8.2 Boosting

8.3 Bagging与随机森林

8.4 结合策略

8.5 多样性

8.6 阅读材料

习题

参考文献

休息一会儿

第9章 聚类

9.1 聚类任务

9.2 性能度量

9.3 距离计算

9.4 原型聚类

9.5 密度聚类

9.6 层次聚类

9.7 阅读材料

习题

参考文献

休息一会儿

第10章 降维与度量学习

10.1 k近邻学习

10.2 低维嵌入

10.3 主成分分析

10.4 归纳偏好

10.5 流形学习

10.6 度量学习

10.7 阅读材料

习题

参考文献

休息一会儿

第11章 特征选择与稀疏学习

11.1 子集搜索与评价

11.2 过滤式选择

11.3包裹式选择

11.4 嵌入式选择与L1正则化

11.5 稀疏表示与字典学习

11.6 压缩感知

11.7 阅读材料

习题

参考文献

休息一会儿

第12章 计算学习理论

12.1 基础知识

12.2 PAC学习

12.3 有限假设空间

12.4 VC维

12.5 Rademacher复杂度

12.6 稳定性

12.7 阅读材料

习题

参考文献

休息一会儿

第13章 半监督学习

13.1 未标记样本

13.2 生成式方法

13.3 半监督SVM

13.4 图半监督学习

13.5 基于分歧的方法

13.6 半监督聚类

13.7 阅读材料

习题

参考文献

休息一会儿

第14章 概率图模型

14.1 隐马尔可夫模型

14.2 马尔可夫随机场

14.3 条件随机场

14.4学习与推断

14.5 近似推断

14.6 话题模型

14.7 阅读材料

习题

参考文献

休息一会儿

第15章 规则学习

15.1 基本概念

15.2 序贯覆盖

15.3 剪枝优化

15.4 一阶规则学习

15.5 归纳逻辑程序设计

15.6 阅读材料

习题

参考文献

休息一会儿

第16章 强化学习

16.1 任务与奖赏

16.2 K-摇臂赌博机

16.3 有模型学习

16.4 免模型学习

16.5 值函数近似

16.6 模仿学习

16.7 阅读材料

习题

参考文献

休息一会儿

附录

A 矩阵

B 优化

C 概率分布

后记

累计评论(2条) 5个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部