机器学习导论(原书第3版)自学增强人工智能AI工程师技术员算法软件基础开发应用代码计算机原理论

机器学习导论(原书第3版)自学增强人工智能AI工程师技术员算法软件基础开发应用代码计算机原理论 下载 mobi epub pdf 电子书 2024


简体网页||繁体网页
土埃塞姆 阿培丁Ethem Alpaydin 著



点击这里下载
    


想要找书就要到 图书大百科
立刻按 ctrl+D收藏本页
你会得到大惊喜!!

发表于2024-12-23

类似图书 点击查看全场最低价

图书介绍

店铺: 恒久图书专营店
出版社: 机械工业出版社
ISBN:9787111521945
商品编码:27607181428
包装:平装
出版时间:2016-01-01


相关图书





图书描述

   图书基本信息
图书名称 机器学习导论(原书第3版)
作者 (土)埃塞姆 阿培丁(Ethem Alpaydin)
定价 79.00元
出版社 机械工业出版社
ISBN 9787111521945
出版日期 2016-01-01
字数  
页码  
版次 1
装帧 平装
开本 16开
商品重量 0.4Kg

   内容简介

本书是关于机器学习这一主题内容全面的教科书,涵盖了通常在机器学习导论中并不包括的广泛题材。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、核机器、图方法、隐马尔可夫模型、贝叶斯估计、组合多学习器、增强学习以及机器学习实验的设计与分析等。


   作者简介
 

   目录

目录
Introduction to Machine Learning,
出版者的话
译者序
前言
符号说明
第章引言
1什么是机器学习
1机器学习的应用实例
1学习关联性
1分类
1回归
1非监督学习
1增强学习
1注释
1相关资源
1习题
1参考文献
第章监督学习
2由实例学习类
2维
2概率近似正确学习
2噪声
2学习多类
2回归
2模型选择与泛化
2监督机器学习算法的维
2注释
2习题
2参考文献
第章贝叶斯决策理论
3引言
3分类
3损失与风险
3判别式函数
3关联规则
3注释
3习题
3参考文献
第章参数方法
4引言
4大似然估计
4伯努利密度
4多项式密度
4高斯(正态)密度
4评价估计:偏倚和方差
4贝叶斯估计
4参数分类
4回归
4调整模型的复杂度:偏倚方差两难选择
4模型选择过程
4注释
4习题
4参考文献
第章多元方法
5多元数据
5参数估计
5缺失值估计
5多元正态分布
5多元分类
5调整复杂度
5离散特征
5多元回归
5注释
5习题
5参考文献
第章维度归约
6引言
6子集选择
6主成分分析
6特征嵌入
6因子分析
6奇异值分解与矩阵分解
6多维定标
6线性判别分析
6典范相关分析
6等距特征映射
6局部线性嵌入
6拉普拉斯特征映射
6注释
6习题
6参考文献
第章聚类
7引言
7混合密度
7均值聚类
7期望大化算法
7潜在变量混合模型
7聚类后的监督学习
7谱聚类
7层次聚类
7选择簇个数
7注释
7习题
7参考文献
第章非参数方法
8引言
8非参数密度估计
8直方图估计
8核估计
8近邻估计
8推广到多变元数据
8非参数分类
8精简的近邻
8基于距离的分类
8离群点检测
8非参数回归:光滑模型
8移动均值光滑
8核光滑
8移动线光滑
8如何选择光滑参数
8注释
8习题
8参考文献
第章决策树
9引言
9单变量树
9分类树
9回归树
9剪枝
9由决策树提取规则
9由数据学习规则
9多变量树
9注释
9习题
9参考文献
第章线性判别式
10引言
10推广线性模型
10线性判别式的几何意义
10两类问题
10多类问题
10逐对分离
10参数判别式的进一步讨论
10梯度下降
10逻辑斯谛判别式
10两类问题
10多类问题
10回归判别式
10学习排名
10注释
10习题
10参考文献
第章多层感知器
11引言
11理解人脑
11神经网络作为并行处理的典范
11感知器
11训练感知器
11学习布尔函数
11多层感知器
11作为普适近似的
11向后传播算法
11非线性回归
11两类判别式
11多类判别式


   编辑推荐

目录
Introduction to Machine Learning,
出版者的话
译者序
前言
符号说明
第章引言
1什么是机器学习
1机器学习的应用实例
1学习关联性
1分类
1回归
1非监督学习
1增强学习
1注释
1相关资源
1习题
1参考文献
第章监督学习
2由实例学习类
2维
2概率近似正确学习
2噪声
2学习多类
2回归
2模型选择与泛化
2监督机器学习算法的维
2注释
2习题
2参考文献
第章贝叶斯决策理论
3引言
3分类
3损失与风险
3判别式函数
3关联规则
3注释
3习题
3参考文献
第章参数方法
4引言
4大似然估计
4伯努利密度
4多项式密度
4高斯(正态)密度
4评价估计:偏倚和方差
4贝叶斯估计
4参数分类
4回归
4调整模型的复杂度:偏倚方差两难选择
4模型选择过程
4注释
4习题
4参考文献
第章多元方法
5多元数据
5参数估计
5缺失值估计
5多元正态分布
5多元分类
5调整复杂度
5离散特征
5多元回归
5注释
5习题
5参考文献
第章维度归约
6引言
6子集选择
6主成分分析
6特征嵌入
6因子分析
6奇异值分解与矩阵分解
6多维定标
6线性判别分析
6典范相关分析
6等距特征映射
6局部线性嵌入
6拉普拉斯特征映射
6注释
6习题
6参考文献
第章聚类
7引言
7混合密度
7均值聚类
7期望大化算法
7潜在变量混合模型
7聚类后的监督学习
7谱聚类
7层次聚类
7选择簇个数
7注释
7习题
7参考文献
第章非参数方法
8引言
8非参数密度估计
8直方图估计
8核估计
8近邻估计
8推广到多变元数据
8非参数分类
8精简的近邻
8基于距离的分类
8离群点检测
8非参数回归:光滑模型
8移动均值光滑
8核光滑
8移动线光滑
8如何选择光滑参数
8注释
8习题
8参考文献
第章决策树
9引言
9单变量树
9分类树
9回归树
9剪枝
9由决策树提取规则
9由数据学习规则
9多变量树
9注释
9习题
9参考文献
第章线性判别式
10引言
10推广线性模型
10线性判别式的几何意义
10两类问题
10多类问题
10逐对分离
10参数判别式的进一步讨论
10梯度下降
10逻辑斯谛判别式
10两类问题
10多类问题
10回归判别式
10学习排名
10注释
10习题
10参考文献
第章多层感知器
11引言
11理解人脑
11神经网络作为并行处理的典范
11感知器
11训练感知器
11学习布尔函数
11多层感知器
11作为普适近似的
11向后传播算法
11非线性回归
11两类判别式
机器学习导论(原书第3版)自学增强人工智能AI工程师技术员算法软件基础开发应用代码计算机原理论 下载 mobi epub pdf txt 电子书 格式


机器学习导论(原书第3版)自学增强人工智能AI工程师技术员算法软件基础开发应用代码计算机原理论 mobi 下载 pdf 下载 pub 下载 txt 电子书 下载 2024

机器学习导论(原书第3版)自学增强人工智能AI工程师技术员算法软件基础开发应用代码计算机原理论 下载 mobi pdf epub txt 电子书 格式 2024

机器学习导论(原书第3版)自学增强人工智能AI工程师技术员算法软件基础开发应用代码计算机原理论 下载 mobi epub pdf 电子书
想要找书就要到 图书大百科
立刻按 ctrl+D收藏本页
你会得到大惊喜!!

用户评价

评分

评分

评分

评分

评分

评分

评分

评分

评分

类似图书 点击查看全场最低价

机器学习导论(原书第3版)自学增强人工智能AI工程师技术员算法软件基础开发应用代码计算机原理论 mobi epub pdf txt 电子书 格式下载 2024


分享链接








相关图书


本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度google,bing,sogou

友情链接

© 2024 book.qciss.net All Rights Reserved. 图书大百科 版权所有