正版图书，可开发票，请放心购买。
-
作者:
[美]史蒂文·西姆斯克（StevenSimske）著,倪泳鑫潘微科明仲译 译
-
出版社:
机械工业出版社
-
ISBN:
9787111683933
-
出版时间:
2021-07
-
装帧:
平装
-
开本:
16开
-
作者:
[美]史蒂文·西姆斯克（StevenSimske）著,倪泳鑫潘微科明仲译 译
-
出版社:
机械工业出版社
-
ISBN:
9787111683933
-
出版时间:
2021-07
售价
￥
61.52
6.9折
定价
￥89.00
品相
全新
上书时间2023-09-11
卖家超过10天未登录
手机购买
![]()
微信扫码访问
-
-
商品描述：
-
作者简介
目录
译者序<br/>致谢<br/>第1章 概述和应用1<br/>1.1 引言1<br/>1.2 本书为什么重要2<br/>1.3 本书的组织结构3<br/>1.4 信息学3<br/>1.5 分析统计学4<br/>1.5.1 值和方差4<br/>1.5.2 样本和总体检验5<br/>1.5.3 回归和估计7<br/>1.6 分析算法12<br/>1.6.1 k均值和k近邻聚类12<br/>1.6.2 反聚类14<br/>1.6.3 马尔可夫模型14<br/>1.7 机器学习16<br/>1.7.1 熵16<br/>1.7.2 支持向量机和核函数18<br/>1.7.3 概率18<br/>1.7.4 降维和信息增益20<br/>1.7.5 优化和搜索21<br/>1.7.6 数据挖掘和知识发现22<br/>1.7.7 识别23<br/>1.7.8 集成学习24<br/>1.8 人工智能25<br/>1.8.1 遗传算法26<br/>1.8.2 神经网络30<br/>1.8.3 免疫算法35<br/>1.9 一个从头开始构建分类器的平台（二分类）37<br/>1.10 一个从头开始构建分类器的平台（一般情况）43<br/>1.10.1 训练和验证43<br/>1.10.2 测试和部署49<br/>1.10.3 比较训练和测试数据集上的结果62<br/>1.11 本章小结63<br/>参考文献64<br/>扩展阅读64<br/>第2章 获取真值65<br/>2.1 引言65<br/>2.2 预验证66<br/>2.3 根据训练数据优化设置72<br/>2.4 学习如何学习76<br/>2.5 从深度学习到深度反学习82<br/>2.6 本章小结82<br/>参考文献83<br/>第3章 实验设计85<br/>3.1 引言85<br/>3.2 数据归一化86<br/>3.2.1 简单的归一化86<br/>3.2.2 偏差归一化87<br/>3.2.3 归一化和实验设计表90<br/>3.3 剪枝老化数据的设计91<br/>3.4 系统之系统93<br/>3.4.1 系统93<br/>3.4.2 混合系统94<br/>3.4.3 动态更新的系统95<br/>3.4.4 接口95<br/>3.4.5 增益95<br/>3.4.6 领域归一化97<br/>3.4.7 灵敏度分析98<br/>3.5 本章小结99<br/>参考文献99<br/>第4章 元分析设计模式100<br/>4.1 引言100<br/>4.2 累积响应模式101<br/>4.2.1 识别感兴趣的区域102<br/>4.2.2 面向序列相关的预测性选择的感兴趣的区域104<br/>4.2.3 传统的累积增益曲线105<br/>4.3 分析的优化111<br/>4.3.1 决策树111<br/>4.3.2 假定身份触发模式112<br/>4.3.3 期望最大化和最大-最小模式113<br/>4.4 模型一致性模式116<br/>4.4.1 混合回归117<br/>4.4.2 建模和模型拟合117<br/>4.5 共现和相似性模式118<br/>4.6 灵敏度分析模式119<br/>4.7 混淆矩阵模式120<br/>4.8 熵模式121<br/>4.9 独立模式124<br/>4.10 功能式NLP模式（宏观反馈）127<br/>4.11 本章小结127<br/>参考文献129<br/>第5章 灵敏度分析和大型系统工程130<br/>5.1 引言130<br/>5.2 数据集本身的灵敏度分析132<br/>5.3 解决方案模型的灵敏度分析135<br/>5.4 单个算法的灵敏度分析136<br/>5.5 混合算法的灵敏度分析137<br/>5.6 到当前状态的路径的灵敏度分析138<br/>5.7 本章小结140<br/>参考文献141<br/>第6章 多面预测性选择142<br/>6.1 引言142<br/>6.2 预测性选择142<br/>6.3 预测方法143<br/>6.4 选择方法144<br/>6.5 多路径方法149<br/>6.6 应用151<br/>6.7 灵敏度分析151<br/>6.8 本章小结151<br/>参考文献152<br/>第7章 建模和模型拟合153<br/>7.1 引言153<br/>7.2 用于分析的化学类比154<br/>7.3 用于分析的有机化学类比156<br/>7.4 用于分析的免疫学和生物学类比157<br/>7.5 用于模型设计和拟合的匿名化类比159<br/>7.6 最小平方误差、误差方差和熵：拟合优度159<br/>7.7 创建属于自己的多个模型160<br/>7.8 本章小结161<br/>参考文献161<br/>第8章 同义词-反义词模式和强化-无效化模式162<br/>8.1 引言162<br/>8.2 同义词-反义词模式163<br/>8.3 强化-无效化模式164<br/>8.4 各种模式的广泛适用性167<br/>8.5 本章小结167<br/>参考文献168<br/>扩展阅读168<br/>第9章 关于分析的分析169<br/>9.1 引言169<br/>9.2 关于分析的分析170<br/>9.2.1 熵与出现向量170<br/>9.2.2 功能指标173<br/>9.2.3 期望最大化方法174<br/>9.2.4 系统设计的注意事项175<br/>9.3 根据训练数据优化设置175<br/>9.4 混合方法176<br/>9.5 关于分析的其他探索领域177<br/>9.6 本章小结178<br/>参考文献178<br/>扩展阅读179<br/>第10章 系统设计优化180<br/>10.1 引言180<br/>10.1.1 系统考量—重新审视系统增益181<br/>10.1.2 系统增益—重新审视和扩大系统偏差182<br/>10.1.3 投资与回报185<br/>10.2 模块优化185<br/>10.3 聚类与正则化186<br/>10.3.1 平方和正则化189<br/>10.3.2 方差正则化189<br/>10.3.3 簇大小正则化190<br/>10.3.4 小型簇正则化191<br/>10.3.5 簇数量正则化191<br/>10.3.6 对正则化方法的讨论192<br/>10.4 分析系统的优化192<br/>10.5 本章小结193<br/>参考文献193<br/>第11章 射幸技术和专家系统技术194<br/>11.1 引言194<br/>11.2 两种射幸模式回顾195<br/>11.2.1 特征射幸模式的依次移除195<br/>11.2.2 特征输出射幸模式的时序变化198<br/>11.3 为测试添加随机元素199<br/>11.4 高光谱射幸方法201<br/>11.5 机器学习和统计学习中的其他射幸应用202<br/>11.6 专家系统技术202<br/>11.7 本章小结202<br/>参考文献203<br/>扩展阅读203<br/>第12章 应用一：机器翻译、机器人技术和生物科学中的主题及挑战204<br/>12.1 引言204<br/>12.2 机器翻译205<br/>12.3 机器人技术207<br/>12.4 生物科学210<br/>12.5 本章小结212<br/>参考文献212<br/>第13章 应用二：医学及医疗信息学、经济学、商业和金融214<br/>13.1 引言214<br/>13.2 医疗215<br/>13.3 经济学216<br/>13.4 商业和金融218<br/>13.5 本章小结220<br/>13.6 附言：心理学221<br/>参考文献222<br/>第14章 探讨、总结和数据的未来223<br/>14.1 关于第1章的探讨和总结223<br/>14.2 关于第2章的探讨和总结224<br/>14.3 关于第3章的探讨和总结224<br/>14.4 关于第4章的探讨和总结225<br/>14.5 关于第5章的探讨和总结226<br/>14.6 关于第6章的探讨和总结226<br/>14.7 关于第7章的探讨和总结226<br/>14.8 关于第8章的探讨和总结227<br/>14.9 关于第9章的探讨和总结227<br/>14.10 关于第10章的探讨和总结227<br/>14.11 关于第11章的探讨和总结228<br/>14.12 关于第12章的探讨和总结228<br/>14.13 关于第13章的探讨和总结229<br/>14.14 元分析的未来229<br/>中英文术语对照表230
内容摘要
本书为数据科学领域的技术人员提供了一套详尽的模式，可用于任何基于机器学习的数据分析任务。通过学习这些方法，你至少能找到一种更为有效的模式，并且获得优于传统分析方法的整体系统行为。“元”分析可谓关于“分析”的“分析”，为了理解这种混合方法或元方法，书中必不可少地详述了常规分析方法的技术细节，在此基础上帮助读者理解并应用元分析模式。本书适合从事数据分析、预测和挖掘的技术人员阅读，涵盖机器翻译、机器人技术、生物和社会科学、医疗卫生信息学、经济学、商业和金融、警务以及体育赛事分析等领域。
![]()
孔网啦啦啦啦啦纺织女工火锅店第三课
开播时间：09月02日 10:30
即将开播，去预约
直播中，去观看
占位居中
