圖解機器學習 pdf epub mobi txt 電子書 下載 2024
☆☆☆☆☆
簡體網頁||
繁體網頁
杉山將
人民郵電齣版社
圖靈教育
許永偉
2015-4
240
49
平裝
圖靈程序設計叢書·圖解與入門係列
9787115388025
圖書標籤:
機器學習
計算機
數據挖掘
人工智能
計算機科學
編程
科普
AI
喜歡 圖解機器學習 的讀者還喜歡
下載链接在页面底部
點擊這裡下載
立刻按 ctrl+D收藏本頁
你會得到大驚喜!!
发表于2024-06-23
圖解機器學習 epub 下載 mobi 下載 pdf 下載 txt 電子書 下載 2024
圖解機器學習 epub 下載 mobi 下載 pdf 下載 txt 電子書 下載 2024
圖解機器學習 pdf epub mobi txt 電子書 下載 2024
圖書描述
本書用豐富的圖示,從最小二乘法齣發,對基於最小二乘法實現的各種機器學習算法進行瞭詳細的介紹。第Ⅰ部分介紹瞭機器學習領域的概況;第Ⅱ部分和第Ⅲ部分分彆介紹瞭各種有監督的迴歸算法和分類算法;第Ⅳ部分介紹瞭各種無監督學習算法;第Ⅴ部分介紹瞭機器學習領域中的新興算法。書中大部分算法都有相應的MATLAB程序源代碼,可以用來進行簡單的測試。
本書適閤所有對機器學習有興趣的初學者閱讀。
187張圖解輕鬆入門
提供可執行的Matlab程序代碼
覆蓋機器學習中最經典、用途最廣的算法
專業實用
東京大學教授、機器學習權威專傢執筆,濃縮機器學習的關鍵知識點
圖文並茂
187張圖示幫助理解,詳略得當,為讀懂大部頭開路。
角度新穎
基於最小二乘法講解各種有監督學習的迴歸和分類算法,以及無監督學習算法。
實戰導嚮
配有可執行的MATLAB程序代碼,邊學習邊實踐。
圖解機器學習 下載 mobi epub pdf txt 電子書
著者簡介
杉山將
1974年生於大阪。東京工業大學計算機工程學博士畢業,現為東京大學教授、日本國立信息學研究所客座教授。主要從事機器學習的理論研究和算法開發,以及在信號和圖像處理等方麵的應用。2011年獲日本信息處理學會長尾真紀念特彆奬。著有《統計機器學習》、Density Ratio Estimation in Machine Learning等。同時也是Pattern Recognition and Machine Learning日文版的譯者之一。
許永偉
2009年赴東京大學攻讀博士學位,現於東京大學空間信息科學研究所從事博士後研究(特任研究員)。主要研究方嚮為模式識彆與機器學習、圖像處理與計算機視覺,對數據挖掘、大數據和信息架構有濃厚興趣。
圖書目錄
第I部分 緒 論
第1章 什麼是機器學習 2
1.1 學習的種類 2
1.2 機器學習任務的例子 4
1.3 機器學習的方法 8
第2章 學習模型 12
2.1 綫性模型 12
2.2 核模型 15
2.3 層級模型 17
第II部分 有監督迴歸
第3章 最小二乘學習法 22
3.1 最小二乘學習法 22
3.2 最小二乘解的性質 25
3.3 大規模數據的學習算法 27
第4章帶有約束條件的最小二乘法 31
4.1 部分空間約束的最小二乘學習法 31
4.2 l2 約束的最小二乘學習法 33
4.3 模型選擇 37
第5章 稀疏學習 43
5.1 l1 約束的最小二乘學習法 43
5.2 l1 約束的最小二乘學習的求解方法 45
5.3 通過稀疏學習進行特徵選擇 50
5.4 lp約束的最小二乘學習法 51
5.5 l1+l2 約束的最小二乘學習法 52
第6章 魯棒學習 55
6.1 l1 損失最小化學習 56
6.2 Huber損失最小化學習 58
6.3 圖基損失最小化學習 63
6.4 l1 約束的Huber損失最小化學習 65
第III部分 有監督分類
第7章 基於最小二乘法的分類 70
7.1 最小二乘分類 70
7.2 0/1 損失和間隔 73
7.3 多類彆的情形 76
第8章 支持嚮量機分類 80
8.1 間隔最大化分類 80
8.2 支持嚮量機分類器的求解方法 83
8.3 稀疏性 86
8.4 使用核映射的非綫性模型 88
8.5 使用Hinge損失最小化學習來解釋 90
8.6 使用Ramp損失的魯棒學習 93
第9章 集成分類 98
9.1 剪枝分類 98
9.2 Bagging學習法 101
9.3 Boosting 學習法 105
第10章 概率分類法 112
10.1 Logistic迴歸 112
10.2 最小二乘概率分類 116
第11 章序列數據的分類 121
11.1 序列數據的模型化 122
11.2 條件隨機場模型的學習 125
11.3 利用條件隨機場模型對標簽序列進行預測 128
第IV部分 無監督學習
第12章 異常檢測 132
12.1 局部異常因子 132
12.2 支持嚮量機異常檢測 135
12.3 基於密度比的異常檢測 137
第13章 無監督降維 143
13.1 綫性降維的原理 144
13.2 主成分分析 146
13.3 局部保持投影 148
13.4 核函數主成分分析 152
13.5 拉普拉斯特徵映射 155
第14章 聚類 158
14.1 K均值聚類 158
14.2 核K均值聚類 160
14.3 譜聚類 161
14.4 調整參數的自動選取 163
第V部分 新興機器學習算法
第15章 在綫學習 170
15.1 被動攻擊學習 170
15.2 適應正則化學習 176
第16章 半監督學習 181
16.1 靈活應用輸入數據的流形構造 182
16.2 拉普拉斯正則化最小二乘學習的求解方法 183
16.3 拉普拉斯正則化的解釋 186
第17章 監督降維 188
17.1 與分類問題相對應的判彆分析 188
17.2 充分降維 195
第18章 遷移學習 197
18.1 協變量移位下的遷移學習 197
18.2 類彆平衡變化下的遷移學習 204
第19章 多任務學習 212
19.1 使用最小二乘迴歸的多任務學習 212
19.2 使用最小二乘概率分類器的多任務學習 215
19.3 多次維輸齣函數的學習 216
第VI部分 結 語
第20章 總結與展望 222
參考文獻 225
· · · · · · (
收起)
圖解機器學習 pdf epub mobi txt 電子書 下載
用戶評價
評分
☆☆☆☆☆
講的挺清楚的, 用的是matlab不make sense, 打6分又太低瞭
評分
☆☆☆☆☆
這書太坑瞭,相比日本人寫的其他漫畫入門書,比如漫畫數據庫、漫畫綫性代數,這本書太專業瞭,完全不像是讓你入門的漫畫書,公式太多,所謂的圖解的“圖”,難道就是大部分機器學習書都有的圖麼。。。
評分
☆☆☆☆☆
#紙質書# 3.3 分。這主要是一本插畫書…… 吧。
評分
☆☆☆☆☆
不是入門書,對於相關知識沒有瞭解的話,看不明白
評分
☆☆☆☆☆
對於機器學習介紹得比較全麵詳細。翻譯得有錯誤。另外裏麵公式偏多,對於門外漢來說有許多東西不能一下子看懂,所以我還得再找一些基礎書籍看看纔能繼續看機器學習相關的內容瞭。
讀後感
評分
☆☆☆☆☆
很多数学公式,比起教科书强了那么一点。 如果没有概率基础,没有行列式基础,那么看书一样很吃力。 当然,只要坚持刨根问底,不去推导公式,仅仅理解一下还是有用的。 记得微软的一个机器学习类库,有个讲侦探的故事来说明贝叶斯推理机的原理。很不错 重点还是在于数学基础,...
評分
☆☆☆☆☆
很多数学公式,比起教科书强了那么一点。 如果没有概率基础,没有行列式基础,那么看书一样很吃力。 当然,只要坚持刨根问底,不去推导公式,仅仅理解一下还是有用的。 记得微软的一个机器学习类库,有个讲侦探的故事来说明贝叶斯推理机的原理。很不错 重点还是在于数学基础,...
評分
☆☆☆☆☆
说图解不太合适,其实大多只是正文插入了几张萌图。 如果你一点数学都不懂,想看图学会,那肯定要大失所望的。 书很小很薄,定价似乎稍高了点,不过主要的东西也都有了,简要介绍理论之后给出matlab代码,可以当作一本小字典迅速浏览。
評分
☆☆☆☆☆
说图解不太合适,其实大多只是正文插入了几张萌图。 如果你一点数学都不懂,想看图学会,那肯定要大失所望的。 书很小很薄,定价似乎稍高了点,不过主要的东西也都有了,简要介绍理论之后给出matlab代码,可以当作一本小字典迅速浏览。
評分
☆☆☆☆☆
很多数学公式,比起教科书强了那么一点。 如果没有概率基础,没有行列式基础,那么看书一样很吃力。 当然,只要坚持刨根问底,不去推导公式,仅仅理解一下还是有用的。 记得微软的一个机器学习类库,有个讲侦探的故事来说明贝叶斯推理机的原理。很不错 重点还是在于数学基础,...
類似圖書 點擊查看全場最低價
圖解機器學習 pdf epub mobi txt 電子書 下載 2024