简介
本书探索理论计算机科学和机器学习这两个领域能够互相借鉴的知识,以此把它们关联起来。本书介绍机器学习中的重要模型和主要问题,并以一种容易理解的方式介绍该领域的前沿研究成果以及现代算法工具,包括矩量法、张量分解法和凸规划松弛法。本书共8章,内容涵盖非负矩阵分解、主题模型、张量分解、稀疏恢复、稀疏编码、高斯混合模型和矩阵补全等。本书适合理论计算机科学家、机器学习研究人员以及相关专业的学生阅读和学习。
目录
译者序
前言
第1章引言
第2章非负矩阵分解
21介绍
22代数算法
23稳定性和可分离性
24主题模型
25练习
第3章张量分解:算法
31旋转问题
32张量入门
33Jennrich算法
34矩阵摄动界
35练习
第4章张量分解:应用
41进化树和隐马尔可夫模型
42社区发现
43扩展到混合模型
44独立成分分析
45练习
第5章稀疏恢复
51介绍
52非相干性和不确定性原理
53追踪算法
54Prony方法
55压缩感知
56练习
第6章稀疏编码
61介绍
62不完备情况
63梯度下降
64过完备情况
65练习
第7章高斯混合模型
71介绍
72基于聚类的算法
73密度估计的讨论
74无聚类算法
75单变量算法
76代数几何视图
77练习
第8章矩阵补全
81介绍
82核范数
83量子高尔夫
参考文献
索引
机器学习算法
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ:4006604884
云图客服:
用户发送的提问,这种方式就需要有位在线客服来回答用户的问题,这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
