正版现货 机器学习 周志华 机器学习入门教材书籍 机器学习基础知识 机器学习方法 人工智能 权威机器学习中文教科书 计算机教材书.

  • 正版现货 机器学习 周志华 机器学习入门教材书籍 机器学习基础知识 机器学习方法 人工智能 权威机器学习中文教科书 计算机教材书.
  • 所属分类:
    发货地:江门
  • 价    格:97
  • 市场价格:
  • 今日价格: 有特价请联系
  • 优惠详情: 剩余数量总共数量
  • 最近热度:
  • 累计热度:
  • 综合得分:
  • 信誉得分:
  • 品牌:
  • 货号:5b961a1dd185
  • 立刻联系购买联系商家杰城图书专营店

        本商品由杰城图书专营店提供,通过杰城图书专营店完成交易,请放心购物

  • 产品名称:机器学习清华大学出版社
  • 是否是套装:否
  • 书名:机器学习清华大学出版社
  • 定价:88.00元
  • 出版社名称:清华大学出版社
  • 作者:周志华
  • 书名:机器学习清华大学出版社

基本信息

书名:机器学习

原价:88.00

作者:周志华

出版社:清华大学出版社

出版日期:2016年1月

ISBN(咨询特价)

字数:1

版次:1

装帧:平装

开本:16开

目录

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X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 
7.6EM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 
8.2Boosting 
8.3Bagging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 
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 
12.2PAC学习 
12.3有限假设空间 
12.4VC维 
12.5Rademacher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 

...................................

内容提要

" 机器学习是计算机科学与人工智能的重要分支领域. 本书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。"

相关热门商品