立刻按 ctrl+D收藏本页
你会得到大惊喜!!
发表于2025-05-02
类似图书 点击查看全场最低价
图书介绍
相关图书
图书描述
出版者的话中文版序译者序前言致谢符号表第1章 绪论 1.1 什么是机器学习 1.2 机器学习的应用实例 1.2.1 学习关联性 1.2.2 分类 1.2.3 回归 1.2.4 非监督学习 1.2.5 增强学习 1.3 注释 1.4 相关资源 1.5 习题 1.6 参考文献第2章 监督学习 2.1 由实例学习类 2.2 VC维 2.3 概率逼近正确学习 2.4 噪声 2.5 学习多类 2.6 回归 2.7 模型选择与泛化 2.8 监督机器学习算法的维 2.9 注释 2.10 习题 2.11 参考文献第3章 贝叶斯决策定理 3.1 引言 3.2 分类 3.3 损失与风险 3.4 判别式函数 3.5 效用理论 3.6 信息值 3.7 贝叶斯网络 3.8 影响图 3.9 关联规则 3.10 注释 3.11 习题 3.12 参考文献第4章 参数方法 4.1 引言 4.2 最大似然估计 4.2.1 伯努利密度 4.2.2 多项密度 4.2.3 高斯(正态)密度 4.3 评价估计:偏倚和方差 4.4 贝叶斯估计 4.5 参数分类 4.6 回归 4.7 调整模型的复杂度:偏倚/方差两难选择 4.8 模型选择过程 4.9 注释 4.10 习题 4.11 参考文献第5章 多元方法 5.1 多元数据 5.2 参数估计 5.3 缺失值估计 5.4 多元正态分布 5.5 多元分类……第6章 维度旭纳第7章 聚类第8章 非参数方法第9章 决策树第10章 线性判别式第11章 多层感知器第12章 局部模型 第13章 隐马尔可夫模型 第14章 分类算法评估和比较第15章 组合多学习器第16章 增强学习
· · · · · · (
收起)
《机器学习导论》对机器学习的定义和应用实例进行了介绍,涵盖了监督学习。贝叶斯决策理论。参数方法、多元方法、维度归约、聚类、非参数方法、决策树。线性判别式、多层感知器,局部模型、隐马尔可夫模型。分类算法评估和比较,组合多学习器以及增强学习等。机器学习的目标是对计算机编程,以便使用样本数据或以往的经验来解决给定的问题。已经有许多机器学习的成功应用,包括分析以往销售数据来预测客户行为,人脸识别或语音识别,优化机器人行为以便使用最少的资源来完成任务,以及从生物信息数据中提取知识的各种系统。为了对机器学习问题和解进行统一的论述,《机器学习导论》讨论了机器学习在统计学、模式识别、神经网络。人工智能。信号处理、控制和数据挖掘等不同领域的应用。对所有学习算法都进行了解释,以便读者可以容易地将书中的公式转变为计算机程序。《机器学习导论》可作为高等院校计算机相关专业高年级本科生和研究生的教材,也可供研究机器学习方法的技术人员参考。
机器学习导论 下载 mobi epub pdf txt 电子书 格式
机器学习导论 mobi 下载 pdf 下载 pub 下载 txt 电子书 下载 2025
机器学习导论 下载 mobi pdf epub txt 电子书 格式 2025
机器学习导论 下载 mobi epub pdf 电子书
用户评价
评分
☆☆☆☆☆
##内容广而浅 最近一直在看Duda 英文版的模式分类,看的很头痛,在图书馆碰到了这本书,可以用来增加自信,感觉这本书的很多方面很Duda的书很相似,甚至好多内容直接就是引用的Duda的书,内容过于精简,不过好处是可能出书的时间比较晚,提到了很多Duda的书里面没有的比较前沿的知识。 确实...
评分
☆☆☆☆☆
评分
☆☆☆☆☆
评分
☆☆☆☆☆
比机器学习那本好
评分
☆☆☆☆☆
##这翻译......您是谷歌翻译来的吧?
评分
☆☆☆☆☆
评分
☆☆☆☆☆
评分
☆☆☆☆☆
评分
☆☆☆☆☆
##感觉有点难 看得不咋懂
类似图书 点击查看全场最低价
机器学习导论 mobi epub pdf txt 电子书 格式下载 2025