暂无评论
图文详情
- ISBN:9787111555223
- 装帧:一般胶版纸
- 册数:暂无
- 重量:暂无
- 开本:32开
- 页数:169
- 出版时间:2017-03-01
- 条形码:9787111555223 ; 978-7-111-55522-3
本书特色
全书共包含18个章节,从概率密度、贝叶斯决策理论引入样本学习的基本概念,进而介绍了近邻域学习、核学习及神经网络学习,在此基础上探讨了PCA学习、VC维概念、函数估计问题等,后重点介绍了非常实用的支持向量机SVM及Boosting方法。各章均包含小结、附录、习题及参考资料,非常适合于大专院校计算机及电气工程类硕博士研究生及高年级学生作为教学参考书。
内容简介
全书共包含18个章节,从概率密度、贝叶斯决策理论引入样本学习的基本概念,进而介绍了近邻域学习、核学习及神经网络学习,在此基础上探讨了PCA学习、VC维概念、函数估计问题等,后重点介绍了非常实用的支持向量机SVM及Boosting方法。各章均包含小结、附录、习题及参考资料,非常适合于大专院校计算机及电气工程类硕博士研究生及高年级学生作为教学参考书。
目录
目录
译者序
前言
第1章引言:分类、学习、
特征及应用
11范围
12为什么需要机器学习?
13一些应用
131图像识别
132语音识别
133医学诊断
134统计套利
14测量、特征和特征向量
15概率的需要
16监督学习
17小结
18附录:归纳法
19问题
110参考文献
第2章概率
21一些基本事件的概率
22复合事件的概率
23条件概率
24不放回抽取
25一个经典的生日问题
26随机变量
27期望值
28方差
29小结
210附录:概率诠释
211问题
212参考文献
第3章概率密度
31一个二维实例
32在\[0,1\]区间的随机数
33密度函数
34高维空间中的概率密度
35联合密度和条件密度
36期望和方差
37大数定律
38小结
39附录:可测性
310问题
311参考文献
第4章模式识别问题
41一个简单例子
42决策规则
43成功基准
44*佳分类器:贝叶斯决策
规则
45连续特征和密度
46小结
47附录:不可数概念
48问题
49参考文献
第5章*优贝叶斯决策规则
51贝叶斯定理
52贝叶斯决策规则
53*优及其评论
54一个例子
55基于密度函数的贝叶斯定理
及决策规则
56小结
57附录:条件概率的定义
58问题
59参考文献
第6章从实例中学习
61概率分布知识的欠缺
62训练数据
63对训练数据的假设
64蛮力学习方法
65维数灾难、归纳偏置以及
无免费午餐原理
66小结
67附录:学习的类型
68问题
69参考文献
第7章*近邻规则
71*近邻规则
72*近邻规则的性能
73直觉判断与性能证明框架
74使用更多邻域
75小结
76附录:当人们使用*近邻域
进行推理时的一些问题
761谁是单身汉?
762法律推理
763道德推理
77问题
78参考文献
第8章核规则
81动机
82*近邻规则的变体
83核规则
84核规则的通用一致性
85势函数
86更多的通用核
87小结
88附录:核、相似性和特征
89问题
810参考文献
第9章神经网络:感知器
91多层前馈网络
92神经网络用于学习和分类
93感知器
931阈值
94感知器学习规则
95感知器的表达能力
96小结
97附录:思想模型
98问题
99参考文献
第10章多层神经网络
101多层网络的表征能力
102学习及S形输出
103训练误差和权值空间
104基于梯度下降的误差*小化
105反向传播
106反向传播方程的推导
1061单神经元情况下的推导
1062多层网络情况下的推导
107小结
108附录:梯度下降与反射平衡
推理
109问题
1010参考文献
第11章可能近似正确(PAC)
学习
111决策规则分类
112来自一个类中的*优规则
113可能近似正确准则
114PAC学习
115小结
116附录:识别不可辨元
117问题
118参考文献
第12章VC维
121近似误差和估计误差
122打散
123VC维
124学习结果
125举例
126神经网络应用
127小结
128附录:VC维与波普尔
(Popper)维度
129问题
1210参考文献
第13章无限VC维
131类层次及修正的PAC准则
132失配与复杂性间的平衡
133学习结果
134归纳偏置与简单性
135小结
136附录:均匀收敛与泛
致性
137问题
138参考文献
第14章函数估计问题
141估计
142成功准则
143*优估计:回归函数
144函数估计中的学习
145小结
146附录:均值回归
147问题
148参考文献
第15章学习函数估计
151函数估计与回归问题回顾
152*近邻规则
153核方法
154神经网络学习
155基于确定函数类的估计
156打散、伪维数与学习
157结论
158附录:估计中的准确度、
精度、偏差及方差
159问题
1510参考文献
第16章简明性
161科学中的简明性
1611对简明性的明确倡导
1612这个世界简单吗?
1613对简明性的错误诉求
1614对简明性的隐性诉求
162排序假设
1621两种简明性排序法
163两个实例
1631曲线拟合
1632枚举归纳
164简明性即表征简明性
1641要确定表征系统吗?
1642参数越少越简单吗?
165简明性的实用理论
166简明性和全局不确定性
167小结
168附录:基础科学和统计学习
理论
169问题
1610参考文献
第17章支持向量机
171特征向量的映射
172间隔*大化
173优化与支持向量
174实现及其与核方法的关联
175优化问题的细节
1751改写分离条件
1752间隔方程
1753用于不可分实例的松弛
变量
1754优化问题的重构和求解
176小结
177附录:计算
178问题
179参考文献
第18章集成学习
181弱学习规则
182分类器组合
183训练样本的分布
184自适应集成学习算法
(AdaBoost)
185训练数据的性能
186泛化性能
187小结
188附录:集成方法
189问题
1810参考文献
译者序
前言
第1章引言:分类、学习、
特征及应用
11范围
12为什么需要机器学习?
13一些应用
131图像识别
132语音识别
133医学诊断
134统计套利
14测量、特征和特征向量
15概率的需要
16监督学习
17小结
18附录:归纳法
19问题
110参考文献
第2章概率
21一些基本事件的概率
22复合事件的概率
23条件概率
24不放回抽取
25一个经典的生日问题
26随机变量
27期望值
28方差
29小结
210附录:概率诠释
211问题
212参考文献
第3章概率密度
31一个二维实例
32在\[0,1\]区间的随机数
33密度函数
34高维空间中的概率密度
35联合密度和条件密度
36期望和方差
37大数定律
38小结
39附录:可测性
310问题
311参考文献
第4章模式识别问题
41一个简单例子
42决策规则
43成功基准
44*佳分类器:贝叶斯决策
规则
45连续特征和密度
46小结
47附录:不可数概念
48问题
49参考文献
第5章*优贝叶斯决策规则
51贝叶斯定理
52贝叶斯决策规则
53*优及其评论
54一个例子
55基于密度函数的贝叶斯定理
及决策规则
56小结
57附录:条件概率的定义
58问题
59参考文献
第6章从实例中学习
61概率分布知识的欠缺
62训练数据
63对训练数据的假设
64蛮力学习方法
65维数灾难、归纳偏置以及
无免费午餐原理
66小结
67附录:学习的类型
68问题
69参考文献
第7章*近邻规则
71*近邻规则
72*近邻规则的性能
73直觉判断与性能证明框架
74使用更多邻域
75小结
76附录:当人们使用*近邻域
进行推理时的一些问题
761谁是单身汉?
762法律推理
763道德推理
77问题
78参考文献
第8章核规则
81动机
82*近邻规则的变体
83核规则
84核规则的通用一致性
85势函数
86更多的通用核
87小结
88附录:核、相似性和特征
89问题
810参考文献
第9章神经网络:感知器
91多层前馈网络
92神经网络用于学习和分类
93感知器
931阈值
94感知器学习规则
95感知器的表达能力
96小结
97附录:思想模型
98问题
99参考文献
第10章多层神经网络
101多层网络的表征能力
102学习及S形输出
103训练误差和权值空间
104基于梯度下降的误差*小化
105反向传播
106反向传播方程的推导
1061单神经元情况下的推导
1062多层网络情况下的推导
107小结
108附录:梯度下降与反射平衡
推理
109问题
1010参考文献
第11章可能近似正确(PAC)
学习
111决策规则分类
112来自一个类中的*优规则
113可能近似正确准则
114PAC学习
115小结
116附录:识别不可辨元
117问题
118参考文献
第12章VC维
121近似误差和估计误差
122打散
123VC维
124学习结果
125举例
126神经网络应用
127小结
128附录:VC维与波普尔
(Popper)维度
129问题
1210参考文献
第13章无限VC维
131类层次及修正的PAC准则
132失配与复杂性间的平衡
133学习结果
134归纳偏置与简单性
135小结
136附录:均匀收敛与泛
致性
137问题
138参考文献
第14章函数估计问题
141估计
142成功准则
143*优估计:回归函数
144函数估计中的学习
145小结
146附录:均值回归
147问题
148参考文献
第15章学习函数估计
151函数估计与回归问题回顾
152*近邻规则
153核方法
154神经网络学习
155基于确定函数类的估计
156打散、伪维数与学习
157结论
158附录:估计中的准确度、
精度、偏差及方差
159问题
1510参考文献
第16章简明性
161科学中的简明性
1611对简明性的明确倡导
1612这个世界简单吗?
1613对简明性的错误诉求
1614对简明性的隐性诉求
162排序假设
1621两种简明性排序法
163两个实例
1631曲线拟合
1632枚举归纳
164简明性即表征简明性
1641要确定表征系统吗?
1642参数越少越简单吗?
165简明性的实用理论
166简明性和全局不确定性
167小结
168附录:基础科学和统计学习
理论
169问题
1610参考文献
第17章支持向量机
171特征向量的映射
172间隔*大化
173优化与支持向量
174实现及其与核方法的关联
175优化问题的细节
1751改写分离条件
1752间隔方程
1753用于不可分实例的松弛
变量
1754优化问题的重构和求解
176小结
177附录:计算
178问题
179参考文献
第18章集成学习
181弱学习规则
182分类器组合
183训练样本的分布
184自适应集成学习算法
(AdaBoost)
185训练数据的性能
186泛化性能
187小结
188附录:集成方法
189问题
1810参考文献
展开全部
本类五星书
浏览历史
本类畅销
-
当代中国政府与政治(新编21世纪公共管理系列教材)
¥33.6¥48.0 -
落洼物语
¥8.7¥28.0 -
中国当代文学名篇选读
¥19.1¥53.0 -
中医基础理论
¥50.7¥59.0 -
北大人文课(平装)
¥13.9¥45.0 -
外国教育史-第2版
¥24.4¥40.0 -
宪法-第二版
¥12.2¥29.0 -
当代中国政府与政治 第二版
¥57.8¥68.0 -
EPLAN电气设计
¥29.9¥39.8 -
闯进数学世界――探秘历史名题
¥21.3¥32.8 -
企业法务教程
¥34.8¥49.0 -
习近平新时代中国特色社会主义思想概论
¥18.2¥26.0 -
金融学
¥29.9¥49.0 -
计算机操作系统教程(第4版)(清华大学计算机系列教材)
¥31.9¥49.0 -
三国史
¥27.5¥50.0 -
飞机总体设计
¥46.8¥78.0 -
古代汉语(第四册)
¥16.1¥35.0 -
编辑审稿实务教程
¥35.1¥45.0 -
管理学:原理与方法(第7版)(博学.大学管理类)/周三多
¥30.9¥49.0 -
(平装)北大必修课:北大口才课
¥12.2¥45.0