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

動手學機器學習(新一代人工智慧實戰型人才培養系列教程)

  • 作者：張偉楠//趙寒燁//俞勇|責編:劉雅思
  • 出版社：人民郵電
  • ISBN：9787115618207
  • 出版日期：2023/08/01
  • 裝幀：平裝
  • 頁數：272
人民幣：RMB 89.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書系統介紹了機器學習的基本內容及其代碼實現，是一本著眼于機器學習教學實踐的圖書。
    本書包含4個部分：第一部分為機器學習基礎，介紹了機器學習的概念、數學基礎、思想方法和簡單的機器學習演算法；第二部分為參數化模型，講解線性模型、神經網路等演算法；第三部分為非參數化模型，主要討論支持向量機和決策樹模型及其變種；第四部分為無監督模型，涉及聚類、降維、概率圖模型等多個方面。本書將機器學習理論和實踐相結合，以大量示例和代碼帶領讀者走進機器學習的世界，讓讀者對機器學習的研究內容、基本原理有基本認識，為後續進一步涉足深度學習打下基礎。
    本書適合對機器學習感興趣的專業技術人員和研究人員閱讀，同時適合作為人工智慧相關專業機器學習課程的教材。
作者介紹
張偉楠//趙寒燁//俞勇|責編:劉雅思
目錄
第一部分  機器學習基礎
  第1章  初探機器學習
    1.1  人工智慧的「兩隻手和四條腿」
    1.2  機器學習是什麼
    1.3  時代造就機器學習的盛行
    1.4  泛化能力：機器學習奏效的本質
    1.5  歸納偏置：機器學習模型的「天賦」
    1.6  機器學習的限制
    1.7  小結
  第2章  機器學習的數學基礎
    2.1  向量
    2.2  矩陣
      2.2.1  矩陣的基本概念
      2.2.2  矩陣運算
      2.2.3  矩陣與線性方程組
      2.2.4  矩陣范數
    2.3  梯度
    2.4  凸函數
    2.5  小結
  第3章  k近鄰演算法
    3.1  KNN演算法的原理
    3.2  用KNN演算法完成分類任務
    3.3  使用scikit-learn實現KNN演算法
    3.4  用KNN演算法完成回歸任務--色彩風格遷移
      3.4.1  RGB空間與LAB空間
      3.4.2  演算法設計
    3.5  小結
  第4章  線性回歸
    4.1  線性回歸的映射形式和學習目標
    4.2  線性回歸的解析方法
    4.3  動手實現線性回歸的解析方法
    4.4  使用sklearn中的線性回歸模型
    4.5  梯度下降演算法
    4.6  學習率對迭代的影響
    4.7  小結
  第5章  機器學習的基本思想
    5.1  欠擬合與過擬合
    5.2  正則化約束
    5.3  輸入特徵與相似度
    5.4  參數與超參數
    5.5  數據集劃分與交叉驗證
    5.6  小結
    5.7  擴展閱讀：貫穿恆等式的證明
    5.8  參考文獻
第二部分  參數化模型
  第6章  邏輯斯諦回歸
    6.1  邏輯斯諦函數下的線性模型
    6.2  最大似然估計
    6.3  分類問題的評價指標
    6.4  動手實現邏輯斯諦回歸

    6.5  使用sklearn中的邏輯斯諦回歸模型
    6.6  交叉熵與最大似然估計
    6.7  小結
    6.8  擴展閱讀：廣義線性模型
    6.9  參考文獻
  第7章  雙線性模型
    7.1  矩陣分解
    7.2  動手實現矩陣分解模型
    7.3  因子分解機
    7.4  動手實現因子分解機模型
    7.5  小結
    7.6  擴展閱讀：概率矩陣分解
    7.7  參考文獻
  第8章  神經網路與多層感知機
    8.1  人工神經網路
    8.2  感知機
    8.3  隱含層與多層感知機
    8.4  反向傳播
    8.5  動手實現多層感知機
    8.6  用PyTorch庫實現多層感知機
    8.7  小結
    8.8  參考文獻
  第9章  卷積神經網路
    9.1  卷積
    9.2  神經網路中的卷積
    9.3  用卷積神經網路完成圖像分類任務
    9.4  用預訓練的卷積神經網路完成色彩風格遷移
      9.4.1  VGG網路
      9.4.2  內容表示與風格表示
    9.5  小結
    9.6  擴展閱讀：數據增強
    9.7  參考文獻
  第10章  循環神經網路
    10.1  循環神經網路的基本原理
    10.2  門控循環單元
    10.3  動手實現GRU
    10.4  小結
    10.5  參考文獻
第三部分  非參數化模型
  第11章  支持向量機
    11.1  支持向量機的數學描述
    11.2  序列最小優化
    11.3  動手實現SMO求解SVM
    11.4  核函數
    11.5  sklearn中的SVM工具
    11.6  小結
    11.7  擴展閱讀：SVM對偶問題的推導
  第12章  決策樹
    12.1  決策樹的構造
      12.2 ID3  演算法

    12.3  CART演算法
    12.4  動手實現C4.5演算法的決策樹
      12.4.1  數據集處理
      12.4.2  C4.5演算法的實現
    12.5  sklearn中的決策樹
    12.6  小結
    12.7  參考文獻
  第13章  集成學習與梯度提升決策樹
    13.1  自舉聚合與隨機森林
    13.2  集成學習器
    13.3  提升演算法
      13.3.1  適應提升
      13.3.2  梯度提升
    13.4  小結
    13.5  參考文獻
第四部分  無監督模型
  第14章  k均值聚類
    14.1  k均值聚類演算法的原理
    14.2  動手實現k均值演算法
    14.3  k-means++演算法
    14.4  小結
    14.5  參考文獻
  第15章  主成分分析
    15.1  主成分與方差
    15.2  利用特徵分解進行PCA
    15.3  動手實現PCA演算法
    15.4  用sklearn實現PCA演算法
    15.5  小結
  第16章  概率圖模型
    16.1  貝葉斯網路
    16.2  最大后驗估計
    16.3  用樸素貝葉斯模型完成文本分類
    16.4  馬爾可夫網路
    16.5  用馬爾可夫網路完成圖像去噪
    16.6  小結
    16.7  參考文獻
  第17章  EM演算法
    17.1  高斯混合模型的EM演算法
    17.2  動手求解GMM來擬合數據分佈
    17.3  一般情況下的EM演算法
    17.4  EM演算法的收斂性
    17.5  小結
  第18章  自編碼器
    18.1  自編碼器的結構
    18.2  動手實現自編碼器
    18.3  小結
    18.4  參考文獻
  總結與展望
    總結
    展望

中英文術語對照表

  • 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