| | | 機器學習導論 | 該商品所屬分類:圖書 -> | 【市場價】 | 574-832元 | 【優惠價】 | 359-520元 | 【作者】 | 盧官明 | 【出版社】 | 機械工業出版社 | 【ISBN】 | 9787111685111 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
![](/c49/33/10037033726245.jpg)
出版社:機械工業出版社 ISBN:9787111685111 商品編碼:10037033726245 出版時間:1900-01-01 頁數:1 審圖號:9787111685111 代碼:69 作者:盧官明
" 內容介紹 本書是一本淺顯易懂的機器學習入門教材,深入淺出地介紹了機器學習的基礎理論、模型與經典方法,並適D融入了深度學習的前沿知識。全書共9章,主要內容包括:機器學習概述、回歸模型(線性回歸、多項式回歸、嶺回歸、套索回歸、彈性網絡、邏輯斯諦回歸、Softmax回歸)、k*近鄰和kd樹算法、支持向量機、貝葉斯分類器與貝葉斯網絡、決策樹、集成學習(AdaBoost、GBDT、隨機森林和 隨機樹)、聚類(k均值算法、BIRCH算法、DBSCAN算法、OPTICS算法)、深度學習(卷積神經網絡、循環神經網絡、生成式對抗網絡)。每章都附有小結與習題,便於讀者對知識的鞏固和融會貫通。本書注重選材,內容豐富,條理清晰,通俗易懂,著重突出機器學習方法的思想內涵和本質,力求反映機器學習領域的核心知識體繫和發展趨勢。本書可作為高等院校智能科學與技術、數據科學與大數據技術、電子信息類等專業的高年級本科生、研究生的教材或教學參考書,也可供人工智能、數據科學、機器學習相關行業的工程技術人員學習參考。 目錄 前言 D1章機器學習概述1 1.1機器學習的概念與基本術語1 1.2人工智能、機器學習、深度學習三者的關繫6 1.3機器學習的三個基本要素11 1.4機器學習模型的分類16 1.5數據預處理24 1.6模型選擇與評估29 1.7小結43 1.8習題43 D2章回歸模型45 2.1線性回歸45 2.2多項式回歸53 2.3線性回歸的正則化——嶺回歸和套索回歸54 2.4邏輯斯諦回歸58 2.5 Softmax回歸61 2.6小結63 2.7習題64 D3章 k- 近鄰和k-d樹算法66 3.1 k- 近鄰法66 3.2 k-d樹70 3.3小結75 3.4習題76 D4章 支持向量機77 4.1統計學習理論基礎77 4.2支持向量機的基本原理和特點84 4.3線性SVM90 4.4基於核函數的非線性SVM95 4.5多分類SVM96 4.6支持向量機的訓練100 4.7小結104 4.8習題105 D5章 貝葉斯分類器與貝葉斯網絡106 5.1貝葉斯方法106 5.2貝葉斯分類器113 5.3貝葉斯網絡119 5.4小結128 5.5習題129 D6章 決策樹130 6.1概述130 6.2決策樹學習134 6.3特征(或屬性)選擇135 6.4 ID3算法144 6.5 C4.5算法145 6.6CART算法146 6.7決策樹的剪枝149 6.8決策樹的優缺點150 6.9小結151 6.10習題151 D7章 集成學習153 7.1集成學習概述153 7.2 AdaBoost算法159 7.3梯度提升決策樹(GBDT)160 7.4隨機森林和 隨機樹163 7.5小結166 7.6習題168 D8章 聚類169 8.1聚類概述169 8.2 k-均值算法175 8.3 BIRCH算法178 8.4基於密度的聚類算法183 8.5小結190 8.6習題191 D9章 深度學習192 9.1人工神經網絡基礎192 9.2卷積神經網絡207 9.3循環神經網絡218 9.4生成式對抗網絡226 9.5小結238 9.6習題239 附錄 縮略語英漢對照240 參考文獻242
" | | | | | |