此部分為隱藏內(nèi)容，請(qǐng)輸入驗(yàn)證碼后查看
掃描右側(cè)圖片或微信搜索 “ Java技術(shù)分享屋 ” ，回復(fù) “ 驗(yàn)證碼 ” ，獲取驗(yàn)證密碼。
本資料僅供讀者預(yù)覽及學(xué)習(xí)交流使用，不能用于商業(yè)用途，請(qǐng)?jiān)谙螺d后24小時(shí)內(nèi)刪除。如果喜歡，請(qǐng)購買正版！
一.資料圖片
二.資料簡介
機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)與人工智能的重要分支領(lǐng)域。本書作為該領(lǐng)域的入門教材，在內(nèi)容上盡可能涵蓋機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)的各方面。為了使盡可能多的讀者通過本書對(duì)機(jī)器學(xué)習(xí)有所了解，作者試圖盡可能少地使用數(shù)學(xué)知識(shí)。然而，少量的概率、統(tǒng)計(jì)、代數(shù)、優(yōu)化、邏輯知識(shí)似乎不可避免。因此，本書更適合大學(xué)三年級(jí)以上的理工科本科生和研究生，以及具有類似背景的對(duì)機(jī)器學(xué)習(xí)感興趣的人士。為方便讀者，本書附錄給出了一些相關(guān)數(shù)學(xué)基礎(chǔ)知識(shí)簡介。
全書共16章，大致分為3個(gè)部分：第1部分（第1～3章）介紹機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)；第2部分（第4～10章）討論一些經(jīng)典而常用的機(jī)器學(xué)習(xí)方法（決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維與度量學(xué)習(xí)）；第3部分（第11～16章）為進(jìn)階知識(shí)，內(nèi)容涉及特征選擇與稀疏學(xué)習(xí)、計(jì)算學(xué)習(xí)理論、半監(jiān)督學(xué)習(xí)、概率圖模型、規(guī)則學(xué)習(xí)以及強(qiáng)化學(xué)習(xí)等。前3章之外的后續(xù)各章均相對(duì)獨(dú)立，讀者可根據(jù)自己的興趣和時(shí)間情況選擇使用。根據(jù)課時(shí)情況，一個(gè)學(xué)期的本科生課程可考慮講授前9章或前10章;研究生課程則不妨使用全書。
書中除第1章外，每章都給出了十道習(xí)題。有的習(xí)題是幫助讀者鞏固本章學(xué)習(xí)，有的是為了引導(dǎo)讀者擴(kuò)展相關(guān)知識(shí)。一學(xué)期的一般課程可使用這些習(xí)題，再輔以兩到三個(gè)針對(duì)具體數(shù)據(jù)集的大作業(yè)。帶星號(hào)的習(xí)題則有相當(dāng)難度，有些并無現(xiàn)成答案，謹(jǐn)供富有進(jìn)取心的讀者啟發(fā)思考。
本書可作為高等院校計(jì)算機(jī)、自動(dòng)化及相關(guān)專業(yè)的本科生或研究生教材，也可供對(duì)機(jī)器學(xué)習(xí)感興趣的研究人員和工程技術(shù)人員閱讀參考。
三.資料目錄
序言
前言
如何使用本書 ——寫在第十次印刷之際
主要符號(hào)表
第1章 緒論
1.1 引言
1.2 基本術(shù)語
1.3 假設(shè)空間
1.4 歸納偏好
1.5 發(fā)展歷程
1.6 應(yīng)用現(xiàn)狀
1.7 閱讀材料
習(xí)題
參考文獻(xiàn)
休息一會(huì)兒
第2章 模型評(píng)估與選擇
2.1 經(jīng)驗(yàn)誤差與過擬合
2.2 評(píng)估方法
2.3 性能度量
2.4 比較檢驗(yàn)
2.5 偏差與方差
2.6 閱讀材料
習(xí)題
參考文獻(xiàn)
休息一會(huì)兒
第3章 線性模型
3.1 基本形式
3.2 線性回歸
3.3 對(duì)數(shù)幾率回歸
3.4 線性判別分析
3.5 多分類學(xué)習(xí)
3.6 類別不平衡問題
3.7 閱讀材料
習(xí)題
參考文獻(xiàn)
休息一會(huì)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(xù)與缺失值
4.5 多變量決策樹
4.6 閱讀材料
習(xí)題
參考文獻(xiàn)
休息一會(huì)兒
第5章 神經(jīng)網(wǎng)絡(luò)
5.1 神經(jīng)元模型
5.2 感知機(jī)與多層網(wǎng)絡(luò)
5.3 誤差逆?zhèn)鞑ニ惴?br/>5.4 全局最小與局部極小
5.5 其他常見神經(jīng)網(wǎng)絡(luò)
5.6 深度學(xué)習(xí)
5.7 閱讀材料
習(xí)題
參考文獻(xiàn)
休息一會(huì)兒
第6章 支持向量機(jī)
6.1 間隔與支持向量
6.2 對(duì)偶問題
6.3 核函數(shù)
6.4 軟間隔與正則化
6.5 支持向量回歸
6.6 核方法
6.7 閱讀材料
習(xí)題
參考文獻(xiàn)
休息一會(huì)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(jì)
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(wǎng)
7.6 EM算法
7.7 閱讀材料
習(xí)題
參考文獻(xiàn)
休息一會(huì)兒
第8章 集成學(xué)習(xí)
8.1 個(gè)體與集成
8.2 Boosting
8.3 Bagging與隨機(jī)森林
8.4 結(jié)合策略
8.5 多樣性
8.6 閱讀材料
習(xí)題
參考文獻(xiàn)
休息一會(huì)兒
第9章 聚類
9.1 聚類任務(wù)
9.2 性能度量
9.3 距離計(jì)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(xí)題
參考文獻(xiàn)
休息一會(huì)兒
第10章 降維與度量學(xué)習(xí)
10.1 k近鄰學(xué)習(xí)
10.2 低維嵌入
10.3 主成分分析
10.4 歸納偏好
10.5 流形學(xué)習(xí)
10.6 度量學(xué)習(xí)
10.7 閱讀材料
習(xí)題
參考文獻(xiàn)
休息一會(huì)兒
第11章 特征選擇與稀疏學(xué)習(xí)
11.1 子集搜索與評(píng)價(jià)
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 稀疏表示與字典學(xué)習(xí)
11.6 壓縮感知
11.7 閱讀材料
習(xí)題
參考文獻(xiàn)
休息一會(huì)兒
第12章 計(jì)算學(xué)習(xí)理論
12.1 基礎(chǔ)知識(shí)
12.2 PAC學(xué)習(xí)
12.3 有限假設(shè)空間
12.4 VC維
12.5 Rademacher復(fù)雜度
12.6 穩(wěn)定性
12.7 閱讀材料
習(xí)題
參考文獻(xiàn)
休息一會(huì)兒
第13章 半監(jiān)督學(xué)習(xí)
13.1 未標(biāo)記樣本
13.2 生成式方法
13.3 半監(jiān)督SVM
13.4 圖半監(jiān)督學(xué)習(xí)
13.5 基于分歧的方法
13.6 半監(jiān)督聚類
13.7 閱讀材料
習(xí)題
參考文獻(xiàn)
休息一會(huì)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(jī)場(chǎng)
14.3 條件隨機(jī)場(chǎng)
14.4學(xué)習(xí)與推斷
14.5 近似推斷
14.6 話題模型
14.7 閱讀材料
習(xí)題
參考文獻(xiàn)
休息一會(huì)兒
第15章 規(guī)則學(xué)習(xí)
15.1 基本概念
15.2 序貫覆蓋
15.3 剪枝優(yōu)化
15.4 一階規(guī)則學(xué)習(xí)
15.5 歸納邏輯程序設(shè)計(jì)
15.6 閱讀材料
習(xí)題
參考文獻(xiàn)
休息一會(huì)兒
第16章 強(qiáng)化學(xué)習(xí)
16.1 任務(wù)與獎(jiǎng)賞
16.2 K-搖臂賭博機(jī)
16.3 有模型學(xué)習(xí)
16.4 免模型學(xué)習(xí)
16.5 值函數(shù)近似
16.6 模仿學(xué)習(xí)
16.7 閱讀材料
習(xí)題
參考文獻(xiàn)
休息一會(huì)兒
附錄
A 矩陣
B 優(yōu)化
C 概率分布
后記