机器学习导论 pdf epub mobi txt 电子书下载 2025

简体网页||繁体网页

☆☆☆☆☆

出版者:机械工业出版社

作者:Ethen Alpaydin

出品人:

页数:272

译者:范明

出版时间:2009-6

价格:39.00元

装帧:平装

isbn号码:9787111265245

丛书系列:计算机科学丛书

图书标签:

机器学习
人工智能
数据挖掘
计算机
计算机科学
MachineLearning
AI
基础知识
机器学习
导论
人工智能
算法
数据分析
编程
数学基础
模型
深度学习
监督学习

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到小美书屋

book.quotespace.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

《机器学习导论》对机器学习的定义和应用实例进行了介绍，涵盖了监督学习。贝叶斯决策理论。参数方法、多元方法、维度归约、聚类、非参数方法、决策树。线性判别式、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，组合多学习器以及增强学习等。机器学习的目标是对计算机编程，以便使用样本数据或以往的经验来解决给定的问题。已经有许多机器学习的成功应用，包括分析以往销售数据来预测客户行为，人脸识别或语音识别，优化机器人行为以便使用最少的资源来完成任务，以及从生物信息数据中提取知识的各种系统。为了对机器学习问题和解进行统一的论述，《机器学习导论》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、控制和数据挖掘等不同领域的应用。对所有学习算法都进行了解释，以便读者可以容易地将书中的公式转变为计算机程序。《机器学习导论》可作为高等院校计算机相关专业高年级本科生和研究生的教材，也可供研究机器学习方法的技术人员参考。

作者简介

目录信息

出版者的话中文版序译者序前言致谢符号表第1章绪论 1.1　什么是机器学习 1.2　机器学习的应用实例 1.2.1　学习关联性 1.2.2　分类 1.2.3　回归 1.2.4　非监督学习 1.2.5　增强学习 1.3　注释 1.4　相关资源 1.5　习题 1.6　参考文献第2章监督学习 2.1　由实例学习类 2.2　VC维 2.3　概率逼近正确学习 2.4　噪声 2.5　学习多类 2.6　回归 2.7　模型选择与泛化 2.8　监督机器学习算法的维 2.9　注释 2.10　习题 2.11　参考文献第3章贝叶斯决策定理 3.1　引言　 3.2　分类 3.3　损失与风险 3.4　判别式函数 3.5　效用理论 3.6　信息值 3.7　贝叶斯网络 3.8　影响图 3.9　关联规则 3.10　注释 3.11　习题 3.12　参考文献第4章参数方法 4.1　引言 4.2　最大似然估计 4.2.1　伯努利密度 4.2.2　多项密度 4.2.3　高斯（正态）密度 4.3　评价估计：偏倚和方差 4.4　贝叶斯估计 4.5　参数分类 4.6　回归 4.7　调整模型的复杂度：偏倚／方差两难选择 4.8　模型选择过程 4.9　注释 4.10　习题 4.11　参考文献第5章多元方法 5.1　多元数据 5.2　参数估计 5.3　缺失值估计 5.4　多元正态分布 5.5　多元分类……第6章　维度旭纳第7章　聚类第8章　非参数方法第9章　决策树第10章　线性判别式第11章　多层感知器第12章　局部模型　第13章　隐马尔可夫模型　第14章　分类算法评估和比较第15章　组合多学习器第16章　增强学习
· · · · · · (收起)

读后感

评分☆☆☆☆☆

基本上传统统计学习的知识点都梳理到了，而且有课后习题答案。当然从内容上说，很多东西会有些陈旧了，这本书是在CNN咸鱼翻身前写的，但大体内容不错，比如概率图模型这些，都做了介绍。数学基础，也没有太拘泥。每个章节会略显短，属于打骨骼的书，长肉要看其他资料，通俗性上...

评分☆☆☆☆☆

最近一直在看Duda 英文版的模式分类，看的很头痛，在图书馆碰到了这本书，可以用来增加自信，感觉这本书的很多方面很Duda的书很相似，甚至好多内容直接就是引用的Duda的书，内容过于精简，不过好处是可能出书的时间比较晚，提到了很多Duda的书里面没有的比较前沿的知识。确实...

评分☆☆☆☆☆

用户评价

评分☆☆☆☆☆

和老师讲的很相似，要是早点看到这本书就好了~

评分☆☆☆☆☆

对各种机器学习算法都作了简单介绍适合初学入门对机器学习各种算法有个大概的认识整本书比较偏理论，数学公式比较多

评分☆☆☆☆☆

内容广而浅

评分☆☆☆☆☆

本打算五一假期读完，还是高估了我的学习效率，不过马上就读完了，吼吼..现在是导论，note，各种公开课一起上，很难对这本书有个客观的评价。但总的来说，比其他导论书籍更偏理论，基本实际的例子没有，全是公式推导。偏向用贝叶斯学习观点吧（主流？要真的明白推理问题真的还需要很长一段路啊！）但认真看完全可以看懂并且理解，思路非常明确，也跳过了较难的证明过程。收益很多！

评分☆☆☆☆☆

对各种机器学习算法都作了简单介绍适合初学入门对机器学习各种算法有个大概的认识整本书比较偏理论，数学公式比较多