幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

大話機器學習(原理演算法建模代碼30講)

  • 作者：編者:葉新江|責編:袁金敏
  • 出版社：清華大學
  • ISBN：9787302628620
  • 出版日期：2023/06/01
  • 裝幀：平裝
  • 頁數：301
人民幣：RMB 119 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是作者多年在數據智能領域中利用機器學習實戰經驗的理解、歸納和總結。出於「回歸事物本質，規律性、系統性地思考問題」「理論為實踐服務並且反過來充實理論，為更多人服務」的想法和初心，本書系統地闡述了機器學習理論和工程方法論，並結合實際商業場景落地。
    全書分為3部分。第1部分是機器學習的數學理論理解，這部分不是對於機器學習數學理論的嚴謹推導和證明，更多是對於理論背後的「到底是什麼，為什麼要這樣做」的通俗理解。盡可能通過對應到日常生活中的現象來進行講述。第2部分是機器學習模型、方法及本質，這一部分針對機器學習的方法論及具體的處理過程進行闡述。涉及數據準備、異常值的檢測和處理、特徵的處理、典型模型的介紹、代價函數、激活函數及模型性能評價等，是本書的核心內容。我們學習知識的主要目的是解決問題，特別是對於企業的從業人員，對在商業實戰環境中出現的問題，希望通過機器學習的方式來更好地解決。第3部分是機器學習實例展示。
    本書內容系統、選材全面、知識講述詳細、易學易用，兼具實戰性和理論性，適合機器學習的初學者與進階者學習使用。
作者介紹
編者:葉新江|責編:袁金敏
    葉新江，一個一直對電腦相關技術保有熱情的老兵。曾在銀行、通信、軟體行業從事技術及管理工作多年。2011年離開微軟后，加入浙江每日互動（個推）創業，並擔任公司首席技術官。「業務成功、技術進步、團隊成長」是我對技術團隊的定位，「每日生活，科技改變」「數據讓產業更智能」是我的工作理念。目前還擔任浙江每日互動研究院院長、浙江人工智慧學會理事等職務。葉新江
目錄
第1部分  機器學習的數學理論理解
  第1講  這個不確定的世界如何描述
    1.1  概率、幾率及期望
      1.1.1  概念及定義
      1.1.2  概率和幾率的關係
      1.1.3  期望值
    1.2  概率函數、概率分佈函數和概率密度函數
      1.2.1  隨機變數和普通變數的區別
      1.2.2  離散型隨機變數和連續型隨機變數
      1.2.3  離散型隨機變數概率函數
      1.2.4  離散型隨機變數概率分佈
      1.2.5  離散型隨機變數概率分佈函數
      1.2.6  連續型隨機變數的概率函數和分佈函數
    1.3  條件概率、聯合概率以及貝葉斯公式
      1.3.1  計算條件概率和聯合概率
      1.3.2  貝葉斯公式的歷史和現實含義
    1.4  本講小結
  第2講  數據的形態描述
    2.1  正態分佈
    2.2  混合高斯分佈
    2.3  伯努利分佈及二項分佈
    2.4  泊松分佈
    2.5  指數分佈
    2.6  冪律分佈
    2.7  以上分佈的總結和聯繫
    2.8  本講小結
  第3講  信息的數學表達
    3.1  自信息
    3.2  信息熵
    3.3  信息增益
    3.4  相對熵
    3.5  交叉熵
    3.6  基尼指數（不純度）
    3.7  本講小結
  第4講  隨機變數的相關性和重要性
    4.1  數值型變數之間的相關性
      4.1.1  協方差
      4.1.2  皮爾遜相關係數
    4.2  類別型變數之間的相關性
      4.2.1  互信息
      4.2.2  卡方值
    4.3  證據權重和信息值
      4.3.1  證據權重
      4.3.2  信息值
    4.4  本講小結
  第5講  抓住主要矛盾——降維技術理論
    5.1  主成分分析
    5.2  線性判別分析
    5.3  奇異值分解
    5.4  自編碼器

    5.5  PCA、SVD和AE是親戚
    5.6  傅里葉變換
    5.7  本講小結
  第6講  採樣方法
    6.1  拒絕採樣
    6.2  馬爾可夫鏈蒙特卡羅採樣
    6.3  Metropolis-Hastings採樣
    6.4  吉布斯採樣
    6.5  湯普森採樣
    6.6  上採樣-人工合成數據策略
    6.7  本講小結
  第7講  抬頭看路低頭拉車的迭代方法
    7.1  迭代求解
    7.2  梯度下降法
……
第2部分  機器學習模型、方法及本質
第3部分  機器學習實例展示

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032