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

機器學習的演算法分析和實踐

  • 作者：編者:孫健|責編:楊迪娜
  • 出版社：清華大學
  • ISBN：9787302641520
  • 出版日期：2023/10/01
  • 裝幀：平裝
  • 頁數：176
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一本全面介紹機器學習方法特別是演算法的新書，適合初學者和有一定基礎的讀者閱讀。
    機器學習可以分成三大類別：監督式學習、非監督式學習和強化學習。三大類別背後的演算法也各有不同。監督式學習使用了數學分析中函數逼近的方法和概率統計中的極大似然方法；非監督式學習使用了聚類和貝葉斯演算法；強化學習使用了馬爾可夫決策過程演算法。
    機器學習背後的數學內容來自概率、統計、數學分析以及線性代數等領域。雖然用到的數學知識較多，但是最快捷的辦法還是帶著機器學習的具體問題來掌握背後的數學原理。因為線性代數和概率理論使用較多，本書在最後兩章集中把重要的一些概率論和線性代數的內容加以介紹，如果有需要的同學可以參考。另外，學習任何知識，動手練習是加深理解的最好方法，所以本書的每一章都配備了習題供大家實踐和練習。
作者介紹
編者:孫健|責編:楊迪娜
    孫健，復旦大學數學學院教授、金融研究院量化中心主任。北京大學數學系畢業，2000年美國芝加哥大學博士畢業。曾擔任摩根士丹利固定收益部執行總經理，從事股票類、固定收益類、大宗商品類等衍生品的定價、交易和風險對沖工作。某量化私募基金管理公司創始人和投委會主席。
目錄
第1章  引論
  1.1  什麼是機器學習
  1.2  多項式逼近函數
  1.3  多項式Remez演算法
  習題
第2章  感知機模型
  2.1  分類問題的刻畫
  2.2  線性規劃
  習題
第3章  線性回歸
  3.1  最小二乘法原理
  3.2  多元高斯分佈模型
  3.3  誤差和方差
  3.4  嶺回歸和Lasso回歸
  習題
第4章  邏輯回歸
  4.1  邏輯回歸概述
  4.2  多重分類線性模型和非線性模型
  習題
第5章  決策樹模型
  5.1  離散型數據
  5.2  熵和決策樹的建立
  5.3  剪枝
  5.4  連續型數據
  5.5  CART樹
  習題
第6章  生成模型和判別模型
  6.1  極大似然估計
  6.2  貝葉斯估計
  6.3  線性判別模型
  6.4  多元正態分佈
  6.5  LDA和LQA
第7章  優化方法
  7.1  數值解方程
  7.2  光滑函數的極值點
  7.3  帶約束條件的極值問題
  7.4  梯度下降法
  7.5  凸函數
  7.6  對偶問題
  7.7  Minimax問題
  7.8  L1過濾
第8章  支持向量機
  8.1  點到平面的距離
  8.2  支持向量機的原理
  8.3  對偶問題
  8.4  核函數的方法
  8.5  軟性支持向量機
  8.6  支持向量機回歸
  習題
第9章  神經網路

  9.1  簡單函數逼近複雜函數
  9.2  神經網路結構
  習題
第10章  機器學習理論問題
  10.1  問題的提出
  10.2  概率不等式
  10.3  有限假設空間
  10.4  No Free Lunch定理
  10.5  VC維度
  習題
第11章  集成和提升
  11.1  方差偏度分解
  11.2  隨機森林
  11.3  梯度提升決策樹模型
  11.4  AdaBoost方法
  習題
第12章  主成分分析
  12.1  對稱矩陣特徵值和特徵向量
  12.2  矩陣的奇異值分解
  12.3  主成分分析
第13章  EM演算法
  13.1  一個概率問題
  13.2  混合高斯分佈的EM演算法
  13.3  一般形式推導
  習題
第14章  隱馬爾可夫模型
  14.1  第一個問題
  14.2  第二個問題
  14.3  第三個問題
  14.4  連續型隱馬爾可夫模型
  習題
第15章  強化學習
  15.1  馬爾可夫價值系統
  15.2  馬爾可夫價值蒙特卡羅數值解
  15.3  馬爾可夫決策系統
  15.4  馬爾可夫決策系統最優策略
  15.5  時序差分方法
  15.6  資格跡
  15.7  值函數逼近方法
  習題
第16章  概率論基礎
  16.1  古典概率論內容
  16.2  連續分佈
  16.3  期望
  16.4  信息和熵
  16.5  大數定律證明
  16.6  中心極限定理證明
第17章  線性代數基礎
  17.1  行列式
  17.2  Cramer法則

  17.3  矩陣初等性質
  17.4  矩陣的逆
  17.5  矩陣的初等變換
  17.6  伴隨矩陣
  17.7  對於矩陣運算求導數

  • 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