![](/c49/30/10357171244.jpg)
商品編號:10357171244 商品毛重:500.00g 貨號:9787111521945 代碼:79
" 基本信息 - 商品名稱:機器學習導論(原書第3版)/計算機科學叢書
- 作者:(土耳其)埃塞姆·阿培丁|譯者:範明
- 代碼:79
- 出版社:機械工業
- ISBN號:9787111521945
其他參考信息 - 出版時間:2016-01-01
- 印刷時間:2016-01-01
- 版次:1
- 印次:1
- 開本:16開
- 包裝:平裝
- 頁數:356
內容提要 埃塞姆·阿培丁著的《機器學習導論(原書第3版 )》全面介紹了機器學習的相關內容,涵蓋了監督學 習、貝葉斯決策理論、參數方方法、歸約、 聚類、非參數方法、決策樹、線性判別式、多層感知 器、局部模型、核機器、圖方法、隱馬爾可夫模型、 貝葉斯估計、組合多學習器、增強學習以及機器學習 實驗的設計與分析等,反映了快速發展的機器學習領 域的*新進展。 本書可以用作高年級本科生和碩士研究生的教材 ,也可供研究機器學習方法的技術人員參考。 作者簡介 埃塞姆·阿培丁(Ethem Alpaydin)土耳其伊斯坦布爾博阿齊奇大學計算機工程繫的教授。於1990年在洛桑聯邦理工學院獲博士學位,先後在美國麻省理工學院和伯克利大學工作和進行博士後研究。Ethem博士主要從事機器學習方面的研究,是劍橋大學《The Computer Journal》雜志編委和EIsevier《Pattern Recognition》志的副主編。2001年和2002年,Ethem博士先後獲得土耳其科學院青年科學家獎和土耳其科學與技術研究委員會科學獎。 目錄 出版者的話 譯者序 前言 符號說明 **章 引言 1.1 什麼是機器學習 1.2 機器學習的應用實例 1.2.1 學習關聯性 1.2.2 分類 1.2.3 回歸 1.2.4 非監督學習 1.2.5 增強學習 1.3 注釋 1.4 相關資源 1.5 習題 1.6 參考文獻 第2章 監督學習 2.1 由實例學習類 2.2 VC維 2.3 概率近似正確學習 2.4 噪聲 2.5 學習多類 2.6 回歸 2.7 模型選擇與泛化 2.8 監督機器學習算法的維 2.9 注釋 2.10 習題 2.11 參考文獻 第3章 貝葉斯決策理論 3.1 引言 3.2 分類 3.3 損失與風險 3.4 判別式函數 3.5 關聯規則 3.6 注釋 3.7 習題 3.8 參考文獻 第4章 參數方法 4.1 引言 4.2 *大似然估計 4.2.1 伯努利密度 4.2.2 多項式密度 4.2.3 高斯(正態)密度 4.3 評價估計:偏倚和方差 4.4 貝葉斯估計 4.5 參數分類 4.6 回歸 4.7 調整模型的復雜度:偏倚/方差兩難選擇 4.8 模型選擇過程 4.9 注釋 4.10 習題 4.11 參考文獻 第5方法 5.數據 5.2 參數估計 5.3 缺失值估計 5.正態分布 5.分類 5.6 調整復雜度 5.7 離散特征 5.回歸 5.9 注釋 5.10 習題 5.11 參考文獻 …… 第6章 維度歸約 第7章 聚類 第8章 非參數方法 第9章 決策樹 **0章 線性判別式 **1章 多層感知器 **2章 局部模型 **3章 核機器 **4章 圖方法 **5章 隱馬爾科夫模型 **6章 貝葉斯估計 **7章 組合多學習器 **8章 增強學習 **9章 機器學習實驗的設計與分析 附錄A 概率論 索引
" |