机器学习

正版保障假一赔十可开发票

作者: 周志华著
出版社: 清华大学出版社
ISBN: 9787302423287

出版时间: 2016-01
装帧: 平装
开本: 16开

作者: 周志华著
出版社: 清华大学出版社

ISBN: 9787302423287
出版时间: 2016-01

装帧: 平装
开本: 16开

售价 69.34 6.4折

定价￥108.00

品相全新

优惠

运费

本店暂时无法向该地区发货

延迟发货说明

时间：

说明：

上书时间2024-05-12

数量: 仅1件在售，欲购从速

立即购买加入购物车收藏

卖家超过10天未登录

商品详情
店铺评价

手机购买

微信扫码访问

商品分类：

童书

货号：

10772328

商品描述：

前言

这是一本面向中文读者的机器学习教科书,为了使尽可能多的读者通过本书对机器学习有所了解,
作者试图尽可能少地使用数学知识.然而，少量的概率、统计、代数、优化、逻辑知识似乎不可避免.
因此,本书更适合大学三年级以上的理工科本科生和研究生,以及具有类似背景的对机器学习感兴趣
的人士.为方便读者,本书附录给出了一些相关数学基础知识简介.
全书共16章,大体上可分为3个部分:第1部分包括第1~3章,介绍机器学习基础知识;第2部
分包括第4~10章,介绍- -些经典而常用的机器学习方法;第3部分包括第11~16章,介绍- -些进阶知
识前3章之外的后续各章均相对独立,读者可根据自己的兴趣和时间情况选择使用.根据课时情况,
一个学期的本科生课程可考虑讲授前9章或前10章;研究生课程则不妨使用全书
。书中除第1章外,每章都给出了十道习题.有的习题是帮助读者巩固本章学习,有的是为了引导读
者扩展相关知识。一学期的一般课程可使用这些习题，再辅以两到三个针对具体数据集的大作业.带
星号的习题则有相当难度，有些并无现成答案，谨供富有进取心的读者启发思考.
本书在内容上尽可能涵盖机器学习基础知识的各方面,但作为机器学习入门读物且因授课时间的
考虑，很多重要、前沿的材料未能覆盖,即便覆盖到的部分也仅是管中窥豹，更多的内容留待读者在
进阶课程中学习.为便于有兴趣的读者进一步钻研探索，本书每章均介绍了-些阅读材料,谨供读者
参考.
笔者以为,对学科相关的重要人物和事件有一-定了解,将会增进读者对该学科的认识本书在每
章*后都写了一个与该章内容相关的小故事,希望有助于读者增广见闻，并且在紧张的学习过程中稍
微放松调剂一下.
书中不可避免地涉及大量外国人名,若全部译为中文,则读者在日后进一-步阅读文献时或许会对
不少人名产生陌生感,不利于进一步学习.因此,本书仅对- -般读者耳熟能详的名字如“图灵”等加
以直接使用，对故事中的一些主要人物给出了译名,其他则保持外文名.
机器学习发展极迅速，目前已成为一个广袤的学科,罕有人士能对其众多分支领域均有精深理解.
笔者自认才疏学浅，仅略知皮毛,更兼时间和精力所限，书中错谬之处在所难免,若蒙读者诸君不吝告
知,将不胜感激.
周志华
2015年6月

商品简介

机器学习是计算机科学的重要分支领域. 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面. 全书共 16 章，大致分为 3 个部分：第 1 部分（第 1～3 章）介绍机器学习的基础知识；第 2 部分（第 4～10 章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第 3 部分（第 11～16 章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等. 每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索.
本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考.

作者简介
周志华教授，南京大学计算机系主任、人工智能学院院长、校学术委员会委员。欧洲科学院外籍院士。人工智能相关五大主流靠前学会ACM、AAAI、AAAS、IEEE、IAPR均入选Fellow的首位华人学者，中国计算机学会、中国人工智能学会会士。曾获IEEE计算机学会Edward J. McCluskey技术成就奖、CCF王选奖等。

目录
第1章绪论
1．1 引言
1．2 基本术语
1．3 假设空间
1．4 归纳偏好
1．5 发展历程
1．6 应用现状
1．7 阅读材料
习题
参考文献
休息一会儿

第2章模型评估与选择
2．1 经验误差与过拟合
2．2 评估方法
2．3 性能度量
2．4 比较检验
2．5 偏差与方差
2．6 阅读材料
习题
参考文献
休息一会儿

第3章线性模型
3．1 基本形式
3．2 线性回归
3．3 对数几率回归
3．4 线性判别分析
3．5 多分类学习
3．6 类别不平衡问题
3．7 阅读材料
习题
参考文献
休息一会儿

第4章决策树
4．1 基本流程
4．2 划分选择
4．3 剪枝处理
4．4 连续与缺失值
4．5 多变量决策树
4．6 阅读材料
习题
参考文献
休息一会儿

第5章神经网络
5．1 神经元模型
5．2 感知机与多层网络
5．3 误差逆传播算法
5．4 全局最小与局部极小
5．5 其他常见神经网络
5．6 深度学习
5．7 阅读材料
习题
参考文献
休息一会儿

第6章支持向量机
6．1 间隔与支持向量
6．2 对偶问题
6．3 核函数
6．4 软间隔与正则化
6．5 支持向量回归
……
第7章贝叶斯分类器
第8章集成学习
第9章聚类
第10章降维与度量学习
第11章特征选择与稀疏学习
第12章计算学习理论
第13章半监督学习
第14章概率图模型
第15章规则学习
第16章强化学习
附录
后记
索引

内容摘要
机器学习是计算机科学的重要分支领域.本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面.全书共16章，大致分为3个部分：第1部分（第1～3章）介绍机器学习的基础知识；第2部分（第4～10章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3部分（第11～16章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等.每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索.本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考.

主编推荐
"击败AlphaGo的武林秘籍；赢得人机大战的必由之路。回答了有关机器学习的六大疑问，浅显生动，外行也能读懂。既道出了机器学习的前世今生，又展望了机器学习的未来发展，让道听途说的信息止于智者。 "

精彩内容
机器学习是计算机科学的重要分支领域，该书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面。全书共16章，大致分为3个部分：第1部分（第1～3章）介绍机器学习的基础知识；第2部分（第4～10章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3部分（第11～16章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等。每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索。
《机器学习》可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。
配送说明

...
相似商品
为你推荐

孔网分类

图书

图书

机器学习

孔网啦啦啦啦啦纺织女工火锅店第三课