機器學習計算機與互聯網書籍|8185 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁

美 Tom Mitchell 著，曾華軍張銀奎等譯

下載链接在页面底部

點擊這裡下載

想要找書就要到圖書大百科

book.teaonline.club

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

發表於2024-11-23

類似圖書點擊查看全場最低價

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

圖書介紹

店鋪：互動齣版網圖書專營店

齣版社：機械工業齣版社

ISBN：7111109937

商品編碼：16007151390

叢書名：計算機科學叢書

齣版時間：2003-01-01

頁數：280

圖書描述

書[0名0]：	機器[0學0]習\|8185
圖書定價：	35元
圖書作者：	（美）Tom Mitchell
齣版社：	機械工業齣版社
齣版日期：	2003/1/1 0:00:00
ISBN號：	7111109937
開本：	16開
頁數：	280
版次：	1-1

作者簡介

TOM M.Mitchell是卡內基梅隆[0大0][0學0]的教授，講授“機器(AAA)的主席：美[0國0]《Machine Leaming》雜誌、[0國0]際機器[0學0]習年度[0會0]議（ICML）的創始人：多種技術雜誌的撰稿人，曾發錶過許多文章，齣版過多本專著，是機器[0學0]習[0領0]域的著[0名0][0學0]者。

內容簡介

本書展示瞭機器[0學0]習中核心的算[0法0]和理論，並闡明瞭算[0法0]的運行過程。本書綜閤瞭許多的研究成果，例如統計[0學0]、人工智能、哲[0學0]、信息論、生物[0學0]、認[0知0]科[0學0]、計算復雜性和控製論等，並以此來理解問題的背景、算[0法0]和其中的隱含假定。本書可作為計算機專業本科生、研究生教材，也可作為相關[0領0]域研究人員、教師的參考書。

[0第0]1章引言
1．1 [0學0]習問題的標準描述
1．2 設計-個[0學0]習係統
1．2．1 選擇訓練經驗
1．2．2 選擇目標函數
1．2．3 選擇目標函數的錶示
1. 2．4 選擇函數逼近算[0法0]
1．2．5 終設計
1．3 機器[0學0]習的一些觀點和問題
1．4 如何閱讀本書
1．5 小結和補充讀物
習題
[0第0]2章概念[0學0]習和一般到特殊序
2．1 簡介
2．2 概念[0學0]習任務
2．2．1 術語定義
2．2．2 歸納[0學0]習假設
2．3 作為搜索的概念[0學0]習
2．4 FIND-S：尋找[0極0][0大0]特殊假設
2．5 變型空間和候選消除算[0法0]
2．5．1 錶示
2．5．2 列錶後消除算[0法0]
2．5．3 變型空間的更簡潔錶示
2．5．4 候選消除[0學0]習算[0法0]
2．5．5 算[0法0]的舉例
2．6 關於變型空間和候選消除的說明
2．6．1 候選消除算[0法0]是否[0會0]收斂到正確的假設
2．6．2 下一步需要什麼樣的訓練樣例
2．6．3 怎樣使用不完全[0學0]習概念
2．7 歸納偏置
2．7．1 -個有偏的假設空間
2．7．2 無偏的[0學0]習器
2．7．3 無偏[0學0]習的無用性
2．8 小始和補充讀物
習題
[0第0]3章決策樹[0學0]習
3．1 簡介
3．2 決策樹錶示[0法0]
3．3 決策樹[0學0]習的適用問題
3．4 基本的決策樹[0學0]習算[0法0]
3．4．1 哪個屬性是佳的分類屬性
3．4．2 舉例
3．5 決策樹[0學0]習中的假設空間搜索
3．6 決策樹[0學0]習的歸納偏置
3．6．1 限定偏置和[0優0]選偏置
3．6．2 為什麼短的假設[0優0]先
3．7 決策樹[0學0]習的常見問題
3．7．1 避免過度擬閤數據
3. 7．2 閤並連續值屬性
3．7．3 屬性選擇的其他度量標準
3．7．4 處理缺少屬性值的訓練樣例
3．7．5 處理不同代價的屬性
3．8 小結和補充讀物
習題
[0第0]4章人工神經網絡
4．1 簡介
4．2 神經網絡錶示
4．3 適閤神經網絡[0學0]習的問題
4．4 感[0知0]器
4．4．1 感[0知0]器的錶徵能力
4. 4．2 感[0知0]器訓練[0法0]則
4．4．3 梯度下降和delta[0法0]則
4．4．4 小結
4．5 多層網絡和反嚮傳播算[0法0]
4．5．1 可微閾值單元
4．5．2 反嚮傳播算[0法0]
4．5．3 反嚮傳播[0法0]則的推導
4．6 反嚮傳播算[0法0]的說明
4．6．1 收斂性和局部[0極0]小值
4．6．2 前饋網絡的錶徵能力
4．6．3 假設空間搜索和歸納偏置
4．6．4 隱藏層錶示
4．6．5 泛化、過度擬閤和停止判據
4．7 舉例：人臉識彆
4．7．1 任務
4．7．2 設計要素
4．7．3 [0學0]習到的隱藏層錶示
4．8 人工神經網絡的高級課題
4．8．1 其他可選的誤差函數
4．8．2 其他可選的誤差小化過程
4．8．3 遞歸網絡
4．8．4 動態修改網絡結構
4．9 小結和補充讀物
習題
[0第0]5章 [0評0]估假設
5．1 動機
5．2 估計假設精度
5．2．1 樣本錯誤率和真實錯誤率
5．2．2 離散值假設的置信區間
5．3 采樣理論基礎
5．3．1 錯誤率估計和二項比例估計
5．3．2 二項分布
5．3．3 均值和方差
5．3．4 估計量、偏差和方差
5．3．5 置信區間
5．3．6 [0[0雙0]0]側和單側邊界
5．4 推導置信區間的一般方[0法0]
5．5 兩個假設錯誤率間的差異
5．6 [0學0]習算[0法0]比較
5．6. 1 配對t測試
5．6．2 實際考慮
5．7 小結和補充讀物
習題
[0第0]6章貝葉斯[0學0]習
6．1 簡介
6．2 貝葉斯[0法0]則
6．3 貝葉斯[0法0]則和概念[0學0]習
6．3．1 BRUTE-FORCE貝葉斯概念[0學0]習
6．3．2 MAP假設和一緻[0學0]習器
6．4 [0極0][0大0]似然和小誤差平方假設
6．5 用於預測概率的[0極0][0大0]似然假設
6．6 小描述長度準則
6．7 貝葉斯[0優0]分類器
6．8 GIBBS算[0法0]
6．9 樸素貝葉斯分類器
6．10 舉例：[0學0]習分類文本
6．11 貝葉斯信念網
6．11．1 條件[0獨0]立性
6．11．2 錶示
6．11．3 推理
6．11．4 [0學0]習貝葉斯信念網
6．11．5 貝葉斯網的梯度上升訓練
6．11．6 [0學0]習貝葉斯網的結構
6．12 EM算[0法0]
6．12．1 估計k個高斯分布的均值
6．12．2 EM算[0法0]的一般錶述
6．12．3 k均值算[0法0]的推導
6．13 小結和補充讀物
習題
[0第0]7章計算[0學0]習理論
7．1 簡介
7．2 可能[0學0]習近似正確假設
7．2．1 問題框架
7．2．2 假設的錯誤率
7．2．3 PAC可[0學0]習性
7．3 有限假設空間的樣本復雜度
7．3．1 不可[0知0][0學0]習和不一緻假設
7．3．2 布爾文字的閤取是PAC可[0學0]習的
7．3．3 其他概念類彆的PAC可[0學0]習性
7．4 無限假設空間的樣本復雜度
7．4．1 打散一個實例集閤
7．4．2 Vapnik-Chervonenkis維度
7．4．3 樣本復雜度和VC維
7．4．4 神經網絡的VC維
7．5 [0學0]習的齣錯界限模型
7．5．1 FIND-S算[0法0]的齣錯界限
7．5．2 HALVING算[0法0]的齣錯界限
7．5．3 [0優0]齣錯界限
7．5．4 加[0權0]多數算[0法0]
7．6 小結和補充讀物
習題
[0第0]8章基於實例的[0學0]習
8．1 簡介
8．2 k-近鄰算[0法0]
8．2．1 距離加[0權0]近鄰算[0法0]
8．2．2 對k-近鄰算[0法0]的說明
8．2．3 術語注解
8．3 局部加[0權0]迴歸
8．3．1 局部加[0權0]綫性迴歸
8．3．2 局部加[0權0]迴歸的說明
8．4 徑嚮基函數
8．5 基於案例的推理
8．6 對消[0極0][0學0]習和積[0極0][0學0]習的[0評0]論
8．7 小結和補充讀物
習題
[0第0]9章遺傳算[0法0]
9．1 動機
9．2 遺傳算[0法0]
9．2．1 錶示假設
9．2．2 遺傳算子
9．2．3 適應度函數和假設選擇
9．3 舉例
9．4 假設空間搜索
9．5 遺傳編程
9．5．1 程序錶示
9．5．2 舉例
9．5．3 遺傳編程說明
9．6 進化和[0學0]習模型
9．6．1 拉馬剋進化
9．6．2 鮑德溫效應
9．7 並行遺傳算[0法0]
9．8 小結和補充讀物
習題
[0第0]10章 [0學0]習規則集閤
10．1 簡介
10．2 序列覆蓋算[0法0]
10．2．1 一般到特殊的柱狀搜索
10．2．2 幾種變型
10．3 [0學0]習規則集：小結
10．4 [0學0]習一階規則
10．4．1 一階Horn子句
10．4．2 術語
10．5 [0學0]習一階規則集：FOIL
10．5．1 FOIL中的候選特化式的生成
10．5．2 引導FOIL的搜索
10．5．3 [0學0]習遞歸規則集
10．5．4 FOIL小結
10．6 作為逆演繹的歸納
10．7 逆歸納
10．7．1 一階歸納
10．7．2 逆歸納：一階情況
10．7．3 逆歸納小結
10．7．4 泛化、-包容和涵蘊
10．7．5 PROGOL
10．8 小結和補充讀物
習題
[0第0]11章分析[0學0]習
11．1 簡介
11．2 用完美的[0領0]域理論[0學0]習：PROLOG-EBG
11．3 對基於解釋的[0學0]習的說明
11．3．1 發現新特徵
11．3．2 演繹[0學0]習
11．3．3 基於解釋的[0學0]習的歸納偏置
11．3．4 [0知0]識級的[0學0]習
11．4 搜索控製[0知0]識的基於解釋的[0學0]習
11．5 小結和補充讀物
習題
[0第0]12章歸納和分析[0學0]習的結閤
12．1 動機
12．2 [0學0]習的歸納-分析途徑
12．2．1 [0學0]習問題
12．2．2 假設空間搜索
12．3 使用先驗[0知0]識得到初始假設
12．3．1 KBANN算[0法0]
12．3．2 舉例
12．3．3 說明
12．4 使用先驗[0知0]識改變搜索目標
12．4．1 TANGENTPROP算[0法0]
12．4．2 舉例
12．4．3 說明
12．4．4 EBNN算[0法0]
12．4．5 說明
12．5 使用先驗[0知0]識來擴展搜索算子
12．5．1 FOCL算[0法0]
12．5．2 說明
12．6 研究現狀
12．7 小結和補充讀物
習題
[0第0]13章增強[0學0]習
13．1 簡介
13．2 [0學0]習任務
13．3 Q[0學0]習
13．3．1 Q函數
13．3．2 一個[0學0]習Q的算[0法0]
13．3．3 舉例
13．3．4 收斂性
13．3．5 實驗策略
13．3．6 更新序列
13．4 非確定性迴報和動作
13．5 時間差分[0學0]習
13．6 從樣例中泛化
13．7 與動態規劃的聯樂
13．8 小結和補充讀物
習題
附錄符號約定

編輯推薦

《計算機科[0學0]叢書:機器[0學0]習》編輯推薦：如何讓計算機隨著經驗的積纍自動提高性能？這就是機器[0學0]習的目的。《機器[0學0]習》展示瞭機器[0學0]習中核心的算[0法0]和理論，並闡明瞭算[0法0]的運行過程。《機器[0學0]習》綜閤瞭許多的研究成果，例如統計[0學0]、人工智能、哲[0學0]、信息論、生物[0學0]、認[0知0]科[0學0]、計算復雜性和控製論等，並以此來理解問題的背景、算[0法0]和其中的隱含假定。< 機器學習計算機與互聯網書籍|8185 下載 mobi epub pdf txt 電子書格式