互联网
类型
可以朗读
语音朗读
121千字
字数
2023-06-01
发行日期
展开全部
主编推荐语
机器学习领域的经典入门教材之一。
内容简介
本书是《机器学习公式详解》（俗称“南瓜书”）的第2版。相较于第1版，本书对“西瓜书”中除了公式以外的重、难点内容加以解析，以过来人视角给出学习建议，旨在对比较难理解的公式和重点内容扩充具体的例子说明，以及对跳步过大的公式补充具体的推导细节。
全书共16章，与“西瓜书”章节、公式对应，每个公式的推导和解释都以本科数学基础的视角进行讲解，希望能够帮助读者快速掌握各个机器学习算法背后的数学原理。
本书思路清晰，视角独特，结构合理，可作为高等院校计算机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
目录
- 版权信息
- 内容提要
- 序
- 前言
- 主要符号表
- 资源与支持
- 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
- 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
- 第3章 线性模型
- 3.1 基本形式
- 3.2 线性回归
- 3.3 对率回归
- 3.4 线性判别分析
- 3.5 多分类学习
- 3.6 类别不平衡问题
- 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 连续值与缺失值
- 4.5 多变量决策树
- 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 全局最小与局部极小
- 5.5 其他常见神经网络
- 5.6 深度学习
- 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
- 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
- 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 Gradient Boosting、GBDT、XGBoost的联系与区别
- 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
- 第10章 降维与度量学习
- 10.1 预备知识
- 10.2 矩阵的F范数与迹
- 10.3 k近邻学习
- 10.4 低维嵌入
- 10.5 主成分分析
- 10.6 核化线性降维
- 10.7 流形学习
- 10.8 度量学习
- 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
- 第12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 定理12.6的解释
- 12.7 稳定性
- 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
- 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
- 14.6 话题模型
- 第15章 规则学习
- 15.1 剪枝优化
- 15.2 归纳逻辑程序设计
- 第16章 强化学习
- 16.1 任务与奖赏
- 16.2 K-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
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
人民邮电出版社
人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。
