返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 机器学习 (法)马西-雷萨·阿米尼(Massih-Reza Amini) 著;许鹏 译 专业科技 文轩网
  • 新华书店正版
    • 作者: (法)马西-雷萨·阿米尼(Massih-Reza Amini) 著;许鹏 译著
    • 出版社: 人民邮电出版社
    • 出版时间:2018-04-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: (法)马西-雷萨·阿米尼(Massih-Reza Amini) 著;许鹏 译著
    • 出版社:人民邮电出版社
    • 出版时间:2018-04-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2018-04-01
    • 字数:349千字
    • 页数:219
    • 开本:16开
    • 装帧:平装
    • ISBN:9787115479655
    • 国别/地区:中国
    • 版权提供:人民邮电出版社

    机器学习

    作  者:(法)马西-雷萨·阿米尼(Massih-Reza Amini) 著;许鹏 译
    定  价:59
    出 版 社:人民邮电出版社
    出版日期:2018年04月01日
    页  数:219
    装  帧:平装
    ISBN:9787115479655
    主编推荐

    内容简介

    本书是机器学习理论与算法的参考书目,从监督、半监督学习的基础理论开始,本书采用简单、流行的C语言,逐步介绍了很常见、杰出的理论概念、算法与实践案例,呈现了相应的经典算法和编程要点,满足读者希望了解机器学习运作模式的根本需求。

    作者简介

    Massih-Reza Amini,法国格勒诺布尔大学计算机科学教授,研究领域统计机器学习的全新框架与模板。

    精彩内容

    目录
    第1章机器学习理论简述1
    1.1经验误差最小化2
    1.1.1假设与定义2
    1.1.2原理陈述4
    1.2经验风险最小化原理的一致性4
    1.2.1在测试集上估计泛化误差6
    1.2.2泛化误差的一致边界7
    1.2.3结构风险最小化15
    1.3依赖于数据的泛化误差界17
    1.3.1Rademacher复杂度17
    1.3.2Rademacher复杂度和VC维的联系17
    1.3.3利用Rademacher复杂度获取泛化界的步骤19
    1.3.4Rademacher复杂度的性质23
    第2章无约束凸优化算法26
    2.1梯度法29
    2.1.1批处理模式29
    2.1.2在线模式31
    2.2拟牛顿法32
    2.2.1牛顿方向32
    2.2.2Broyden-Fletcher-Goldfarb-Shanno公式33
    2.3线搜索36
    2.3.1Wolfe条件37
    2.3.2基于回溯策略的线搜索41
    2.4共轭梯度法43
    2.4.1共轭方向43
    2.4.2共轭梯度算法46
    第3章二类分类48
    3.1感知机48
    3.1.1感知机的收敛性定理51
    3.1.2带间隔感知机及其与经验风险最小化原理的联系53
    3.2Adaline54
    3.2.1与线性回归和经验风险最小化原理的联系54
    3.3Logistic回归56
    3.3.1与经验风险最小化原理的联系57
    3.4支持向量机58
    3.4.1硬间隔58
    3.4.2软间隔63
    3.4.3基于间隔的泛化误差界66
    3.5AdaBoost68
    3.5.1与经验风险最小化原理的联系70
    3.5.2拒绝法抽样72
    3.5.3理论研究73
    第4章多类分类76
    4.1形式表述76
    4.1.1分类误差77
    4.1.2泛化误差界77
    4.2单一法80
    4.2.1多类支持向量机80
    4.2.2多类AdaBoost84
    4.2.3多层感知机87
    4.3组合二类分类算法的模型91
    4.3.1一对全91
    4.3.2一对一92
    4.3.3纠错码93
    第5章半监督学习95
    5.1无监督框架和基本假设95
    5.1.1混合密度模型96
    5.1.2估计混合参数96
    5.1.3半监督学习的基本假设102
    5.2生成法104
    5.2.1似然准则在半监督学习情形的推广104
    5.2.2半监督CEM算法105
    5.2.3应用:朴素贝叶斯分类器的半监督学习106
    5.3判别法108
    5.3.1自训练算法109
    5.3.2转导支持向量机111
    5.3.3贝叶斯分类器误差的转导界113
    5.3.4基于伪标注的多视角学习116
    5.4图法118
    5.4.1标注的传播119
    5.4.2马尔可夫随机游动121
    第6章排序学习123
    6.1形式表述123
    6.1.1排序误差函数124
    6.1.2样例排序127
    6.1.3备择排序128
    6.2方法130
    6.2.1单点法130
    6.2.2成对法135
    6.3互相关数据的学习144
    6.3.1测试界146
    6.3.2泛化界146
    6.3.3一些具体例子中的界的估计151
    附录回顾和补充155
    附录A概率论回顾156
    A.1概率测度156
    A.1.1可概率化空间156
    A.1.2概率空间157
    A.2条件概率158
    A.2.1贝叶斯公式158
    A.2.2独立性159
    A.3实随机变量159
    A.3.1分布函数160
    A.3.2随机变量的期望和方差161
    A.3.3集中不等式162
    附录B程序代码166
    B.1数据结构166
    B.1.1数据集166
    B.1.2超参数结构167
    B.2稀疏表示168
    B.3程序运行170
    B.4代码172
    B.4.1BGFS算法(222节)172
    B.4.2线搜索(23节)175
    B.4.3共轭梯度法(24节)178
    B.4.4感知机(31节)180
    B.4.5Adaline算法(32节)181
    B.4.6Logistic回归(33节)182
    B.4.7AdaBoost算法(35节)184
    B.4.8AdaBoostM2算法(422节)188
    B.4.9多层感知机(423节)192
    B.4.10K-均值算法(512节)195
    B.4.11半监督朴素贝叶斯(523节)197
    B.4.12自学习(531节)201
    B.4.13一次性自学习(531节)204
    B.4.14PRank算法(621节)205
    B.4.15RankBoost算法(622节)207
    参考文献211

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购