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

機器學習習題參考(南京大學人工智慧系列教材)

  • 作者：葉翰嘉//詹德川|責編:姚蕾
  • 出版社：機械工業
  • ISBN：9787111767145
  • 出版日期：2025/01/01
  • 裝幀：平裝
  • 頁數：467
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    機器學習是人工智慧的核心領域之一，本書配套周志華教授所著的《機器學習》教材，通過大量習題考查讀者對機器學習相關知識點的理解與掌握。本書分為兩個部分：第一部分習題對應《機器學習》第1?10章的內容，包括緒論、模型評估與選擇、線性模型、決策樹、神經網路、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習；第二部分包含6章應用專題，通過綜合題的形式對知識點進行多角度考查，包括線性模型的優化與復用、面向類別不平衡數據的分類、神經網路的優化與應用、EM演算法及其應用、集成學習的過擬合現象研究、度量學習及其應用。書中包含簡答題、計算題和編程題，涵蓋不同難度級別。機器學習初學者可以通過這些習題深入了解和鞏固教材的關鍵概念，對機器學習有一定基礎的讀者也可以通過習題發現對一些知識點不同角度的解讀，為後續機器學習的深入研究打下基礎。
    本書面向《機器學習》讀者以及廣大機器學習愛好者，可作為高等院校人工智慧、電腦、自動化及相關專業的本科生或研究生的教學輔助書籍，也可供對機器學習感興趣的研究人員和工程技術人員閱讀參考。
作者介紹
葉翰嘉//詹德川|責編:姚蕾
目錄
推薦序
前言
基礎考評篇
  第1章  緒論
    1.1  基本術語
    1.2  假設空間
    1.3  歸納偏好
    1.4  矩陣、優化和概率分佈
    參考文獻
  第2章  模型評估與選擇
    2.1  經驗誤差與過擬合
    2.2  評估方法
    2.3  性能度量
    2.4  比較檢驗
    2.5  偏差與方差
    參考文獻
  第3章  線性模型
    3.1  線性回歸
    3.2  對數幾率回歸
    3.3  線性判別分析
    3.4  多分類學習
    參考文獻
  第4章  決策樹
    4.1  基本流程
    4.2  劃分選擇
    4.3  剪枝處理
    4.4  連續與缺失值
    4.5  多變數決策樹
    參考文獻
  第5章  神經網路
    5.1  感知機與多層網路
    5.2  誤差逆傳播演算法
    5.3  全局最小與局部極小
    5.4  其他常見神經網路
    參考文獻
  第6章  支持向量機
    6.1  間隔、支持向量與對偶問題
    6.2  軟間隔與正則化
    6.3  核函數
    6.4  核方法
    參考文獻
  第7章  貝葉斯分類器
    7.1  貝葉斯決策論
    7.2  極大似然估計
    7.3  樸素貝葉斯分類器
    7.4  貝葉斯網
    參考文獻
  第8章  集成學習
    8.1  Boosting
    8.2  Bagging與隨機森林

    8.3  結合策略
    8.4  多樣性
    8.5  集成剪枝
    參考文獻
  第9章  聚類
    9.1  距離計算
    9.2  k均值演算法
    9.3  高斯混合聚類
    9.4  性能度量
    9.5  密度聚類與層次聚類
    參考文獻
  第10章  降維與度量學習
    10.1  k近鄰學習
    10.2  維數災難
    10.3  主成分分析
    10.4  核化線性降維
    10.5  低維嵌入與流形學習
    10.6  度量學習
    參考文獻
綜合應用篇
  第11章  線性模型的優化與復用
    11.1  數據獲取和預處理
    11.2  嶺回歸分類器的優化方法探究
    11.3  線性模型的參數選擇
    11.4  線性模型的參數復用
    參考文獻
  第12章  面向類別不平衡數據的分類
    12.1  類別不平衡現象與評價指標
    12.2  類別不平衡模型初探
    12.3  基於採樣的「再縮放」方法
    12.4  類別不平衡問題的多分類擴展
    參考文獻
  第13章  神經網路的優化與應用
    13.1  數值求導和自動求導
    13.2  神經網路優化實例
    13.3  BP演算法的回顧與思考
    13.4  SOM神經網路
    參考文獻
  第14章  EM演算法及其應用
    14.1  數據中的隱變數
    14.2  EM演算法的迭代優化視角
    14.3  EM演算法的隱變數視角
    14.4  EM演算法應用實例——缺失值處理
    參考文獻
  第15章  集成學習的過擬合現象研究
    15.1  分佈有偏移數據集的構造和劃分
    15.2  機器學習中的過擬合現象
    15.3  AdaBoost的多分類演算法實現
    15.4  AdaBoost是否會過擬合
    參考文獻

  第16章  度量學習及其應用
    16.1  近鄰分類器
    16.2  降維方法的評價
    16.3  度量學習
    16.4  度量學習的回顧與思考
    參考文獻

  • 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