绿色排版工具|热门专题|网站地图|移动官网
您的当前位置:网站首页 > 电子书 > 计算机类 > 正文

机器学习导论(原书第2版) [土耳其] 阿培丁 PDF完整版[77MB]

来源:[db:来源] 编辑:脚本之家 时间:2019-07-29 14:47:39 阅读:

《机器学习导论(原书第2版)》讨论了机器学习在统计学、模式识别、神经网络、人工智能、信号处理等不同领域的应用,其中涵盖了监督学习、贝叶斯决策理论、参数方法、多元方法、多层感知器、局部模型、隐马尔可夫模型、分类算法评估和比较以及增强学习。

《机器学习导论(原书第2版)》可供完成计算机程序设计、概率论、微积分和线性代数课程的高年级本科生和研究生使用,也可供对机器学习感兴趣的工程技术人员参考。

目录
Introduction to Machine Learning,Second Edition
出版者的话
中文版序
译者序
前言
致谢
关于第2版
符号表
第1章 绪论1
1.1 什么是机器学习1
1.2 机器学习的应用实例3
1.2.1 学习关联性3
1.2.2 分类3
1.2.3 回归6
1.2.4 非监督学习7
1.2.5 增强学习8
1.3 注释8
1.4 相关资源10
1.5 习题11
1.6 参考文献12
第2章 监督学习13
2.1 由实例学习类13
2.2 VC维15
2.3 概率逼近正确学习16
2.4 噪声17
2.5 学习多类18
2.6 回归19
2.7 模型选择与泛化21
2.8 监督机器学习算法的维23
2.9 注释24
2.10 习题25
2.11 参考文献25
第3章 贝叶斯决策定理27
3.1 引言27
3.2 分类28
3.3 损失与风险29
3.4 判别式函数31
3.5 效用理论31
3.6 关联规则32
3.7 注释33
3.8 习题33
3.9 参考文献34
第4章 参数方法35
4.1 引言35
4.2 最大似然估计35
4.2.1 伯努利密度36
4.2.2 多项密度36
4.2.3 高斯(正态)密度37
4.3 评价估计:偏倚和方差37
4.4 贝叶斯估计38
4.5 参数分类40
4.6 回归43
4.7 调整模型的复杂度:偏倚/方差两难选择45
4.8 模型选择过程47
4.9 注释50
4.10 习题50
4.11 参考文献51
第5章 多元方法52
5.1 多元数据52
5.2 参数估计52
5.3 缺失值估计53
5.4 多元正态分布54
5.5 多元分类56
5.6 调整复杂度59
5.7 离散特征61
5.8 多元回归62
5.9 注释63
5.10 习题63
5.11 参考文献64
第6章 维度归约65
6.1 引言65
6.2 子集选择65
6.3 主成分分析67
6.4 因子分析71
6.5 多维定标75
6.6 线性判别分析77
6.7 等距特征映射80
6.8 局部线性嵌入81
6.9 注释83
6.10 习题84
6.11 参考文献85
第7章 聚类86
7.1 引言86
7.2 混合密度86
7.3 k-均值聚类87
7.4 期望最大化算法90
7.5 潜在变量混合模型93
7.6 聚类后的监督学习94

相关文章推荐:

图文精选:

Copyright©2012-2019 小蚂蚁信息网版权所有 粤ICP备14061018号-1


郑重声明:本网站资源、信息来源于网络,完全免费共享,仅供学习和研究使用,版权和著作权归原作者所有,如有不愿意被转载的情况,请通知我们删除已转载的信息。

Top