机器学习导论(原书第3版)

副标题:无

作   者:(土)埃塞姆 阿培丁(Ethem Alpaydin)

分类号:

ISBN:9787111521945

微信扫一扫,移动浏览光盘

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。

目录

目录

Introduction to Machine Learning
Third Edition

出版者的话

译者序

前言

符号说明

1章引言1

1
1什么是机器学习1

1
2机器学习的应用实例2

1
21学习关联性2

1
22分类3

1
23回归5

1
24非监督学习6

1
25增强学习7

1
3注释8

1
4相关资源10

1
5习题11

1
6参考文献12

2章监督学习13

2
1由实例学习类13

2
2VC16

2
3概率近似正确学习16

2
4噪声17

2
5学习多类18

2
6回归19

2
7模型选择与泛化21

2
8监督机器学习算法的维23

2
9注释24

2
10习题25

2
11参考文献26

3章贝叶斯决策理论27

3
1引言27

3
2分类28

3
3损失与风险29

3
4判别式函数30

3
5关联规则31

3
6注释33

3
7习题33

3
8参考文献36

4章参数方法37

4
1引言37

4
2最大似然估计37

4
21伯努利密度38

4
22多项式密度38

4
23高斯(正态)密度39

4
3评价估计:偏倚和方差39

4
4贝叶斯估计40

4
5参数分类42

4
6回归44

4
7调整模型的复杂度:偏倚/方差两难选择46

4
8模型选择过程49

4
9注释51

4
10习题51

4
11参考文献53

5章多元方法54

5
1多元数据54

5
2参数估计54

5
3缺失值估计55

5
4多元正态分布56

5
5多元分类57

5
6调整复杂度61

5
7离散特征62

5
8多元回归63

5
9注释64

5
10习题64

5
11参考文献66

6章维度归约67

6
1引言67

6
2子集选择67

6
3主成分分析70

6
4特征嵌入74

6
5因子分析75

6
6奇异值分解与矩阵分解78

6
7多维定标79

6
8线性判别分析82

6
9典范相关分析85

6
10等距特征映射86

6
11局部线性嵌入87

6
12拉普拉斯特征映射89

6
13注释90

6
14习题91

6
15参考文献92

7章聚类94

7
1引言94

7
2混合密度94

7
3k均值聚类95

7
4期望最大化算法98

7
5潜在变量混合模型100

7
6聚类后的监督学习101

7
7谱聚类102

7
8层次聚类103

7
9选择簇个数104

7
10注释104

7
11习题105

7
12参考文献106

8章非参数方法107

8
1引言107

8
2非参数密度估计108

8
21直方图估计108

8
22核估计109

8
23k最近邻估计110

8
3推广到多变元数据111

8
4非参数分类112

8
5精简的最近邻112

8
6基于距离的分类113

8
7离群点检测115

8
8非参数回归:光滑模型116

8
81移动均值光滑116

8
82核光滑117

8
83移动线光滑119

8
9如何选择光滑参数119

8
10注释120

8
11习题121

8
12参考文献122

9章决策树124

9
1引言124

9
2单变量树125

9
21分类树125

9
22回归树128

9
3剪枝130

9
4由决策树提取规则131

9
5由数据学习规则132

9
6多变量树134

9
7注释135

9
8习题137

9
9参考文献138

10章线性判别式139

10
1引言139

10
2推广线性模型140

10
3线性判别式的几何意义140

10
31两类问题140

10
32多类问题141

10
4逐对分离142

10
5参数判别式的进一步讨论143

10
6梯度下降144

10
7逻辑斯谛判别式145

10
71两类问题145

10
72多类问题147

10
8回归判别式150

10
9学习排名151

10
10注释152

10
11习题152

10
12参考文献154

11章多层感知器155

11
1引言155

11
11理解人脑155

11
12神经网络作为并行处理的典范156

11
2感知器157

11
3训练感知器159

11
4学习布尔函数160

11
5多层感知器161

11
6作为普适近似的MLP162

11
7向后传播算法163

11
71非线性回归163

11
72两类判别式166

11
73多类判别式166

已确认勘误

次印刷

页码 勘误内容 提交人 修订印次

机器学习导论(原书第3版)
    • 名称
    • 类型
    • 大小

    光盘服务联系方式: 020-38250260    客服QQ:4006604884

    意见反馈

    14:15

    关闭

    云图客服:

    尊敬的用户,您好!您有任何提议或者建议都可以在此提出来,我们会谦虚地接受任何意见。

    或者您是想咨询:

    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
    ×
    Current View

    看过该图书的还喜欢

    some pictures

    解忧杂货店

    东野圭吾 (作者), 李盈春 (译者)

    loading icon