欢迎来到中国简体书网上书城!      
[请登录] [免费注册] [退出]
官网:www.jbook.hk

周销售排行榜

  • 总榜
  • 文学
  • 杂志
  • 设计
  • 养生
疯狂热卖
機器學習 简书网-简体书
機器學習
 
售  价:
88.00 HKD
出版社:
清華大學出版社
作者:
周志華
   
条 码:
9787302423287
   
出版时间: 2016/1/1 定价: 88.00 元
字数: 页数: 425
重 量: 开本: 16
我要购买
详细介绍
  

目錄

目錄

第1章 1
1.1 引言 1
1.2 基本術 2
1.3 假設空間 4
1.4 歸納偏好 6
1.5 發展歷程 10
1.6 應用現狀 13
1.7 閱讀材料 16
習題 19
參考文獻 20
休息一會兒 22


第2章 模型評估與選擇 23
2.1 經驗誤差與過擬合 23
2.2 評估方法 24
2.2.1 留出法 25
2.2.2 交叉驗證法 26
2.2.3 自助法 27
2.2.4 調參與最終模型 28
2.3 性能度量 28
2.3.1 錯誤率與精度 29
2.3.2 查準率、查全率與F1 30
2.3.3 ROC與AUC 33
2.3.4 代價敏感錯誤率與代價曲線 35
2.4 比較檢驗 37
2.4.1 假設檢驗 37
2.4.2 交叉驗證t檢驗 40
2.4.3 McNemar檢驗 41
2.4.4 Friedman檢驗與后續檢驗 42
2.5 偏差與方差 44
2.6 閱讀材料 46
習題 48
參考文獻 49
休息一會兒 51


第3章 線性模型 53
3.1 基本形式 53
3.2 線性回歸 53
3.3 對數幾率回歸 57
3.4 線性判別分析 60
3.5 多分類學習 63
3.6 類別不平衡問題 66
3.7 閱讀材料 67
習題 69
參考文獻 70
休息一會兒 72


第4章 決策樹 73
4.1 基本流程 73
4.2 劃分選擇 75
4.2.1 信息增益 75
4.2.2 增益率 77
4.2.3 基尼指數 79
4.3 剪枝處理 79
4.3.1 預剪枝 80
4.3.2 后剪枝 82
4.4 連續與缺失值 83
4.4.1 連續值處理 83
4.4.2 缺失值處理 85
4.5 多變量決策樹 88
4.6 閱讀材料 92
習題 93
參考文獻 94
休息一會兒 95


第5章 神經網絡 97
5.1 神經元模型 97
5.2 感知機與多層網絡 98
5.3 誤差逆傳播算法 101
5.4 全局最小與局部極小 106
5.5 其他常見神經網絡 108
5.5.1 RBF網絡 108
5.5.2 ART網絡 108
5.5.3 SOM網絡 109
5.5.4 級聯相關網絡 110
5.5.5 Elman網絡 111
5.5.6 Boltzmann機 111
5.6 深度學習 113
5.7 閱讀材料 115
習題 116
參考文獻 117
休息一會兒 120


第6章 支持向量機 121
6.1 間隔與支持向量 121
6.2 對偶問題 123
6.3 核函數 126
6.4 軟間隔與正則化 129
6.5 支持向量回歸 133
6.6 核方法 137
6.7 閱讀材料 139
習題 141
參考文獻 142
休息一會兒 145


第7章 貝葉斯分類器 147
7.1 貝葉斯決策論 147
7.2 極大似然估計 149
7.3 樸素貝葉斯分類器 150
7.4 半樸素貝葉斯分類器 154
7.5 貝葉斯網 156
7.5.1 結構 157
7.5.2 學習 159
7.5.3 推斷 161
7.6 EM算法 162
7.7 閱讀材料 164
習題 166
參考文獻 167
休息一會兒 169


第8章 集成學習 171
8.1 個體與集成 171
8.2 Boosting 173
8.3 Bagging與隨機森林 178
8.3.1 Bagging 178
8.3.2 隨機森林 179
8.4 結合策略 181
8.4.1 平均法 181
8.4.2 投票法 182
8.4.3 學習法 183
8.5 多樣性 185
8.5.1 誤差--分歧分解 185
8.5.2 多樣性度量 186
8.5.3 多樣性增強 188
8.6 閱讀材料 190
習題 192
參考文獻 193
休息一會兒 196



第9章 聚類 197
9.1 聚類任務 197
9.2 性能度量 197
9.3 距離計算 199
9.4 原型聚類 202
9.4.1 k均值算法 202
9.4.2 學習向量量化 204
9.4.3 高斯混合聚類 206
9.5 密度聚類 211
9.6 層次聚類 214
9.7 閱讀材料 217
習題 220
參考文獻 221
休息一會兒 224


第10章 降維與度量學習 225
10.1 k近鄰學習 225
10.2 低維嵌入 226
10.3 主成分分析 229
10.4 核化線性降維 232
10.5 流形學習 234
10.5.1 等度量映射 234
10.5.2 局部線性嵌入 235
10.6 度量學習 237
10.7 閱讀材料 240
習題 242
參考文獻 243
休息一會兒 246


第11章 特征選擇與稀疏學習 247
11.1 子集搜索與評價 247
11.2 過濾式選擇 249
11.3 包裹式選擇 250
11.4 嵌入式選擇與L$_1$正則化 252
11.5 稀疏表示與字典學習 254
11.6 壓縮感知 257
11.7 閱讀材料 260
習題 262
參考文獻 263
休息一會兒 266



第12章 計算學習理論 267
12.1 基礎知識 267
12.2 PAC學習 268
12.3 有限假設空間 270
12.3.1 可分情形 270
12.3.2 不可分情形 272
12.4 VC維 273
12.5 Rademacher復雜度 279
12.6 穩定性 284
12.7 閱讀材料 287
習題 289
參考文獻 290
休息一會兒 292


第13章 半監督學習 293
13.1 未標記樣本 293
13.2 生成式方法 295
13.3 半監督SVM 298
13.4 圖半監督學習 300
13.5 基于分歧的方法 304
13.6 半監督聚類 307
13.7 閱讀材料 311
習題 313
參考文獻 314
休息一會兒 317



第14章 概率圖模型 319
14.1 隱馬爾可夫模型 319
14.2 馬爾可夫隨機場 322
14.3 條件隨機場 325
14.4 學習與推斷 328
14.4.1 變量消去 328
14.4.2 信念傳播 330
14.5 近似推斷 331
14.5.1 MCMC采樣 331
14.5.2 變分推斷 334
14.6 話題模型 337
14.7 閱讀材料 339
習題 341
參考文獻 342
休息一會兒 345


第15章 規則學習 347
15.1 基本概念 347
15.2 序貫覆蓋 349
15.3 剪枝優化 352
15.4 一階規則學習 354
15.5 歸納邏輯程序設計 357
15.5.1 最小一般泛化 358
15.5.2 逆歸結 359
15.6 閱讀材料 363
習題 365
參考文獻 366
休息一會兒 369



第16章 強化學習 371
16.1 任務與獎賞 371
16.2 $K$-搖臂賭博機 373
16.2.1 探索與利用 373
16.2.2 $\epsilon $-貪心 374
16.2.3 Softmax 375
16.3 有模型學習 377
16.3.1 策略評估 377
16.3.2 策略改進 379
16.3.3 策略迭代與值迭代 381
16.4 免模型學習 382
16.4.1 蒙特卡羅強化學習 383
16.4.2 時序差分學習 386
16.5 值函數近似 388
16.6 模仿學習 390
16.6.1 直接模仿學習 391
16.6.2 逆強化學習 391
16.7 閱讀材料 393
習題 394
參考文獻 395
休息一會兒 397


附錄 399
A 矩陣 399
B 優化 403
C 概率分布 409

后記 417

索引 419




序言

前言

這是一本面向中文讀者的機器學習教科書, 為了使盡可能多的讀者通過本書對機器學習有所了解, 作者試圖盡可能少地使用數學知識.
然而, 少量的概率、統計、代數、優化、邏輯知識似乎不可避免. 因此, 本書更適合大學三年級以上的理工科本科生和研究生,以及具有類似背景的對機器學習感興趣的人士. 為方便讀者, 本書附錄給出了一些相關數學基礎知識簡介.

全書共16章, 大體上可分為3個部分:第1部分包括第1~3章, 介紹機器學習基礎知識; 第2部分包括第4~10章, 介紹一些經典而常用的機器學習方法; 第3部分包括第11~16章, 介紹一些進階知識. 前3章之外的后續各章均相對獨立, 讀者可根據自己的興趣和時間情況選擇使用. 根據課時情況, 一個學期的本科生課程可考慮講授前9章或前10章; 研究生課程則不妨使用全書.

書中除第1章外, 每章都給出了十道習題. 有的習題是幫助讀者鞏固本章學習, 有的是為了引導讀者擴展相關知識. 一學期的一般課程
可使用這些習題, 再輔以兩到三個針對具體數據集的大作業. 帶星號的習題則有相當難度, 有些并無現成答案, 謹供富有進取心的讀者
啟發思考.

本書在內容上盡可能涵蓋機器學習基礎知識的各方面, 但作為機器學習入門讀物且因授課時間的考慮, 很多重要、前沿的材料未能覆蓋,即便覆蓋到的部分也僅是管中窺豹, 更多的內容留待讀者在進階課程中學習. 為便于有興趣的讀者進一步鉆研探索, 本書每章均介紹了一些閱讀材料, 謹供讀者參考.

筆者以為, 對學科相關的重要人物和事件有一定了解, 將會增進讀者對該學科的認識. 本書在每章最后都寫了一個與該章內容相關的小故事, 希望有助于讀者增廣見聞, 并且在緊張的學習過程中稍微放松調劑一下.

書中不可避免地涉及大量外國人名, 若全部譯為中文, 則讀者在日后進一步閱讀文獻時或許會對不少人名產生陌生感, 不利于進一步學習.因此, 本書僅對一般讀者耳熟能詳的名字如“圖靈”等加以直接使用, 對故事中的一些主要人物給出了譯名, 其他則保持外文名.

機器學習發展極迅速, 目前已成為一個廣袤的學科, 罕有人士能對其眾多分支領域均有精深理解. 筆者自認才疏學淺, 僅略知皮毛, 更兼時間和精力所限,書中錯謬之處在所難免, 若蒙讀者諸君不吝告知, 將不勝感激.

周志華

友情链接:  中国简体图书网    内地简体图书   简体书小说   风水占卜简体书   青春文学简体书   香港书展简体图书   简体书期刊杂志   网上简体书   简体书网上书城

粤ICP备12022977号深圳市久美博学科技有限公司版权所有
服务E-mail:zgjtbook@gmail.com Copyright©2011-2019 简体网上书城 All Rights Reserved