您的当前位置:全部分类图书 > 工业技术 > 其它

机器学习

作者:周志华 出版社:清华大学
定 价
售 价
配送至
收货地址
其他地址
数量
-
+
服务
  • 出版社:清华大学
  • ISBN:9787302423287
  • 作者:周志华
  • 页数:425
  • 出版日期:2016-01-01
  • 印刷日期:2016-01-01
  • 包装:平装
  • 开本:16开
  • 版次:1
  • 印次:1
  • 字数:626千字
  • 机器学习
    击败AlphaGo的武林秘籍,赢得人机大战的必由之路:人工智能大牛周志华教授巨著,全面揭开机器学习的奥秘
    大数据智能(互联网时代的机器学习和自然语言处理技术)
    本书是一本介绍大数据智能分析的科普书籍, 旨在让*多的人了解和学习互联网时代的机器学习和自 然语言处理技术,以期让大数据技术*好地为我们的生产和生活服务。
  • 机器学习是计算机科学的重要分支领域。周志华 编写的《机器学习》作为该领域的入门教材,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l~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)为进阶知识,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,以便有兴趣的读者进一 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。
  • 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*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
    **0章 降维与度量学习
    10.1 南近邻学习
    10.2 低维嵌入
    10.3 主成分分析
    10.4 核化线性降维
    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
    **1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
    **2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
    **3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
    **4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
    **5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
    **6章 强化学习
    16.1 任务与奖赏
    16.2 K一摇臂赌博机
    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
    索引
  • 书中除第1章外, 每章都给出了十道习题. 有的习题是帮助读者巩固本章学习, 有的是为了引导读者扩展相关知识. 一学期的一般课程 可使用这些习题, 再辅以两到三个针对具体数据集的大作业. 带星号的习题则有相当难度, 有些并无现成答案, 谨供富有进取心的读者 启发思考. 本书在内容上尽可能涵盖机器学习基础知识的各方面, 但作为机器学习入门读物且因授课时间的考虑, 很多重要、前沿的材料未能覆盖, 即便覆盖到的部分也仅是管中窥豹, *多的内容留待读者在进阶课程中学习. 为便于有兴趣的读者进一步钻研探索, 本书每章均介绍了 一些阅读材料, 谨供读者参考. 笔者以为, 对学科相关的重要人物和事件有一定了解, 将会增进读者对该学科的认识. 本书在每章*后都写了一个与该章内容 相关的小故事, 希望有助于读者增广见闻, 并且在紧张的学习过程中稍微放松调剂一下. 书中不可避免地涉及大量外国人名, 若全部译为中文, 则读者在日后进一步阅读文献时或许会对不少人名产生陌生感, 不利于进一步学习. 因此, 本书仅对一般读者耳熟能详的名字如“图灵”等加以直接使用, 对故事中的一些主要人物给出了译名, 其他则保持外文名. 机器学习发展极迅速, 目前已成为一个广袤的学科, 罕有人士能对其众多分支领域均有精深理解. 笔者自认才疏学浅, 仅略知皮毛, *兼时间和精力所限, 书中错谬之处在所难免, 若蒙读者诸君不吝告知, 将不胜感激.
  • 编辑推荐语
  • 内容提要
  • 目录
  • 精彩试读