同類熱銷排行榜

機器學習中的樣例選擇

作者：翟俊海|責編:張敏
出版社：北京大學
ISBN：9787301357194

出版日期：2024/11/01
裝幀：平裝
頁數：226

人民幣：RMB 48 元售價：元

內容大鋼

隨著數據存儲技術、無線感測技術和網路技術的快速發展，數據正以前所未有的速度在不斷地增長和積累。在各種實際應用中，需要處理的數據量越來越大，而樣例選擇是解決大數據問題的一種有效策略，是機器學習的重要數據預處理步驟，對後續學習演算法的訓練及性能有很大的影響。在機器學習中，樣例選擇有兩種場景：一是主動學習中的樣例選擇，二是監督學習中的樣例選擇，本書將重點介紹這兩種場景的樣例選擇，包括它們之間的區別與聯繫，樣例選擇的準則與啟髮式演算法，還將介紹面向大數據機器學習的樣例選擇及模糊樣例選擇。
本書可作為從事機器學習和數據挖掘研究科研人員的參考書，也可以作為人工智慧、數據科學與技術、應用數學、電腦科學與技術等專業高年級本科生和研究生機器學習和數據挖掘課程的教學參考書。

作者介紹

翟俊海|責編:張敏

第1章  機器學習基礎
  1.1  分類問題
  1.2  K-近鄰演算法
  1.3  決策樹
  1.4  神經網路
  1.5  極限學習機
  1.6  支持向量機
第2章  主動學習中的樣例選擇
  2.1  主動學習概述
  2.2  樣例選擇準則
  2.3  基於信息熵的主動學習
  2.4  基於投票熵的主動學習
  2.5  基於在線序列極限學習機的主動學習
第3章  監督學習中的樣例選擇
  3.1  監督學習中的樣例選擇概述
  3.2  壓縮近鄰演算法及其變體
  3.3  基於組合先驗熵和預測熵的樣例選擇演算法
  3.4  基於監督聚類的樣例選擇演算法
  3.5  基於概率神經網路的樣例選擇演算法
  3.6  基於交叉驗證策略的樣例選擇演算法
第4章  大數據樣例選擇
  4.1  大數據與大數據樣例選擇概述
  4.2  大數據主動學習
  4.3  基於MapReduce和投票機制的大數據樣例選擇
  4.4  基於局部敏感哈希和雙投票機制的大數據樣例選擇
  4.5  基於遺傳演算法和開源框架的大數據樣例選擇
第5章  模糊樣例選擇
  5.1  壓縮模糊K-近鄰樣例選擇演算法
  5.2  基於MapReduce和Spark的大數據CFKNN演算法
  5.3  基於模糊粗糙集技術的樣例選擇演算法
參考文獻

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

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

同類熱銷排行榜

最近瀏覽的商品

機器學習中的樣例選擇