圖解機器學習 epub pdf mobi txt 電子書 下載 2024

圖解機器學習 epub pdf mobi txt 電子書 下載 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

圖解機器學習 epub pdf mobi txt 電子書 下載 2024

类似图書 點擊查看全場最低價

---

編輯推薦

　　187張圖解輕鬆入門
　　提供可執行的Matlab程序代碼
　　覆蓋機器學習中經典、用途廣的算法
　　專業實用
　　東京大學教授、機器學習專業專傢執筆，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
　　實戰導嚮
　　配有可執行的MATLAB程序代碼，邊學習邊實踐。

內容簡介

　　《圖解機器學習》用豐富的圖示，從ZUI小二乘法齣發，對基於ZUI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。

作者簡介

　　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》、DensityRatioEstimationinMachineLearning等。同時也是PatternRecognitionandMachineLearning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。

內頁插圖

目錄

第I部分　緒　論
第1章　什麼是機器學習
1．1　學習的種類
1．2　機器學習任務的例子
1．3　機器學習的方法
第2章　學習模型
2．1　綫性模型
2．2　核模型
2．3　層級模型
第II部分　有監督迴歸
第3章　最小二乘學習法
3．1　最小二乘學習法
3．2　最小二乘解的性質
3．3　大規模數據的學習算法
第4章帶有約束條件的最小二乘法
4．1　部分空間約束的最小二乘學習法
4．2　ｌ2 約束的最小二乘學習法
4．3　模型選擇
第5章　稀疏學習
5．1　ｌ1 約束的最小二乘學習法
5．2　ｌ1 約束的最小二乘學習的求解方法
5．3　通過稀疏學習進行特徵選擇
5．4　ｌp約束的最小二乘學習法
5．5　ｌ1+ｌ2 約束的最小二乘學習法
第6章　魯棒學習
6．1　ｌ1 損失最小化學習
6．2　Huber損失最小化學習
6．3　圖基損失最小化學習
6．4　ｌ1 約束的Huber損失最小化學習
第III部分　有監督分類
第7章　基於最小二乘法的分類
7．1　最小二乘分類
7．2　0/1 損失和間隔
7．3　多類彆的情形
第8章　支持嚮量機分類
8．1　間隔最大化分類
8．2　支持嚮量機分類器的求解方法
8．3　稀疏性
8．4　使用核映射的非綫性模型
8．5　使用Hinge損失最小化學習來解釋
8．6　使用Ramp損失的魯棒學習
第9章　集成分類
9．1　剪枝分類
9．2　Bagging學習法
9．3　Boosting 學習法
第10章　概率分類法
10．1　Logistic迴歸
10．2　最小二乘概率分類
第11 章序列數據的分類
11．1　序列數據的模型化
11．2　條件隨機場模型的學習
11．3　利用條件隨機場模型對標簽序列進行預測
第IV部分　監督學習
第12章　異常檢測
12．1　局部異常因子
12．2　支持嚮量機異常檢測
12．3　基於密度比的異常檢測
第13章　監督降維
13．1　綫性降維的原理
13．2　主成分分析
13．3　局部保持投影
13．4　核函數主成分分析
13．5　拉普拉斯特徵映射
第14章　聚類
14．1　K均值聚類
14．2　核K均值聚類
14．3　譜聚類
14．4　調整參數的自動選取
第V部分　新興機器學習算法
第15章　在綫學習
15．1　被動攻擊學習
15．2　適應正則化學習
第16章　半監督學習
16．1　靈活應用輸入數據的流形構造
16．2　拉普拉斯正則化最小二乘學習的求解方法
16．3　拉普拉斯正則化的解釋
第17章　監督降維
17．1　與分類問題相對應的判彆分析
17．2　充分降維
第18章　遷移學習
18．1　協變量移位下的遷移學習
18．2　類彆平衡變化下的遷移學習
第19章　多任務學習
19．1　使用最小二乘迴歸的多任務學習
19．2　使用最小二乘概率分類器的多任務學習
19．3　多次維輸齣函數的學習
第VI部分　結 語
第20章　總結與展望
參考文獻

前言/序言

　　機器學習領域是深不可測的嗎？人工智能是天方夜譚嗎？時至今日，機器學習研究的重要性與可行性已得到廣泛承認，並在模式識彆、通信、控製、金融、機器人、生物信息學等許多領域都有著廣泛的應用。
　　如何自動歸類篩選郵件和網頁？如何嚮大傢推薦你可能感興趣的人？如何預測整體市場行情的好壞？如何從統計學的角度對照片進行歸類？本書就介紹瞭這樣一些算法。
　　如果想得到最通俗、簡潔的講解，本書最為閤適。
　　如果想立即知道算法的性能，並期望有可運行的源代碼，本書最為方便。
　　很多人都是看著日本的動畫長大的。殊不知，大部分日本人都具有熟練的繪畫能力。他們總可以把復雜、枯燥的事物用惟妙惟肖的漫畫生動地錶達齣來。廣告、網頁、海報，甚至政府公告都圖文並茂。市麵上也有不計其數的“圖解……”“圖說……”一類的書籍。本書就是其中一例，這也是本書的最大特點。
　　杉山將博士今年赴任東京大學教授，他在機器學習領域頗有建樹。他的研究室吸引瞭來自世界各地的機器學習研究者。本書承襲瞭日本特有的繪畫特色，依靠作者豐富的機器學習經驗，用最精簡的文字，將原本復雜抽象的數學原理，用形象的漫畫與數據圖形進行瞭清晰的說明。作者也將最前沿和最核心的研究成果匯集到瞭本書之中。
　　本書的側重點不在於機器學習原理的相關推導，而在於結論的分析和應用。讀者朋友可以更快地掌握各種算法的特點和使用方法，提綱挈領地消化應用，而不必拘泥於算法的細節不能自拔。另外，本書旁徵博引，圖文並茂，結構清晰，範例實用豐富，深入淺齣地說明瞭機器學習中最典型和用途最廣泛的算法。
　　本書內容覆蓋麵廣，不但與市麵上眾多的機器學習書籍並無重復，更可與其互為補充。大部分算法都有簡潔、現成的MATLAB源代碼，讀者朋友可以輕鬆地進行驗證。以此為原型，再稍加修改擴充，即可做齣為自己所用的項目代碼。
　　機器學習領域日新月異，書中所涉及的概念和術語數目繁多，且有許多概念和術語目前尚無公認的中文譯法。如果有不閤讀者朋友習慣的術語齣現，請參考譯者注，確認其原始詞意。
　　本譯稿得到瞭圖靈公司編輯的悉心指導，她們為保證本書的質量做瞭大量的補譯、校正及編輯工作，在此錶示深深的謝意。
　　許永偉
　　2014年12月於東京

圖解機器學習 epub pdf mobi txt 電子書 下載 2024

圖解機器學習 下載 epub mobi pdf txt 電子書

評分☆☆☆☆☆

非常好的一件寶貝，非常好的貨物

評分☆☆☆☆☆

非常好，送貨及時，但是現在活動力度越來越低瞭。

評分☆☆☆☆☆

好。。。。。。。。

評分☆☆☆☆☆

一套賣的，這幾本書都很好。

評分☆☆☆☆☆

兒子喜好的專業，喜好的書籍，很不錯方便便利

評分☆☆☆☆☆

經典圖書，趕上618的優惠券，收藏

評分☆☆☆☆☆

很不錯的寶貝！！！！！！！

評分☆☆☆☆☆

圖解係列把抽象的變得具體

評分☆☆☆☆☆

價格不算太貴，這個價格也對的起這個産品瞭。總體來說還可以！

类似图書 點擊查看全場最低價