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:
本店所有商品

  • [正版] 速通机器学习 卢菁机器学习入门书籍机器学习技术相关概念及原理线性回归逻辑回归朴素贝叶斯支持向量机集成人工智能
  • 正版图书!品质保证!默认发最新版本!收藏店铺可享优先发货!
    • 作者: 卢菁著
    • 出版社: 电子工业出版社
    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:
    友一个文化制品专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 卢菁著
    • 出版社:电子工业出版社
    • ISBN:9785243569593
    • 版权提供:电子工业出版社

            铺公告

      为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。

    温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货)。

      关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。

     

     


    内容介绍

    本书从传统的机器学习,如线性回归、逻辑回归、朴素贝叶斯、支持向量机、集成学习,到前沿的深度学习和神经网络,如DNN、CNN、BERT、ResNet等,对人工智能技术进行零基础讲解,内容涵盖数学原理、公式推导、图表展示、企业应用案例。本书面向初中级读者,能帮助读者迅速掌握机器学习技术的相关概念及原理。本书内容结合作者多年的科研工作经验,理论和实践并重,对科研、学习、面试等均有帮助。
    目录

    第1章 数据的量化和特征提取 1
    1.1 机器学习概述 1
    1.2 特征提取 2
    1.3 向量距离计算 6
    第2章 线性回归 12
    2.1 线性回归的基本概念 13
    2.2 损失函数和梯度下降法 14
    2.3 训练集和测试集 19
    2.4 多项式回归 21
    2.5 线性回归的高级技巧 23
    2.5.1 特征敏感性研究 23
    2.5.2 损失函数的选择 24
    第3章 逻辑回归 27
    3.1 逻辑回归的基本原理 28
    3.2 交叉熵和KL距离 32
    3.2.1 KL距离 32
    3.2.2 梯度下降法 34
    3.2.3 上采样和下采样 36
    3.3 线性不可分及其解决方案 38
    3.4 L1正则和L2正则 39
    3.5 分类模型的评价标准 43
    3.6 逻辑回归的特征提升技巧 47
    3.6.1 特征归一化 47
    3.6.2 特征分段 49
    3.7 深入理解损失函数和逻辑函数 51
    第4章 因子分解模型 55
    4.1 基本原理和特征交叉 55
    4.1.1 基本原理 55
    4.1.2 特征交叉简化 58
    4.1.3 参数学习 59
    4.2 因子分解模型和矩阵分解 61
    第5章 经典分类模型 63
    5.1 支持向量机 63
    5.1.1 支持向量机的基本原理 63
    5.1.2 支持向量机和逻辑回归的比较 68
    5.2 核方法 70
    5.2.1 核函数 70
    5.2.2 核函数在支持向量机中的应用 72
    5.3 朴素贝叶斯 73
    5.3.1 朴素贝叶斯原理 73
    5.3.2 朴素贝叶斯的参数估计 76
    5.4 维数灾难 78
    5.5 奥卡姆剃刀定律的应用 82
    5.6 经验风险、期望风险和结构风险 83
    第6章 无监督学习 85
    6.1 K-Means聚类 86
    6.1.1 K-Means算法的基本原理 86
    6.1.2 改进型K-Means算法 88
    6.1.3 K-Means算法和逻辑回归的结合应用 91
    6.2 主题模型 92
    6.2.1 LDA模型的原理 93
    6.2.2 LDA模型的训练 95
    第7章 集成学习 100
    7.1 决策树 100
    7.2 随机森林 105
    7.3 GBDT 108
    第8章 深度神经网络 113
    8.1 BP神经网络的基本原理 113
    8.2 多分类与Softmax函数 118
    8.3 梯度下降法和链式法则 120
    8.4 度量学习 125
    第9章 神经网络调优 130
    9.1 激活函数选型 131
    9.2 权重初始化 135
    9.3 改进型梯度下降法 137
    9.3.1 随机梯度下降法 138
    9.3.2 鞍点问题 141
    9.3.3 梯度下降法的优化 142
    9.4 过拟合解决方案 145
    9.4.1 正则化 145
    9.4.2 Dropout 146
    9.4.3 提前终止 147
    9.4.4 批标准化和层标准化 148
    9.4.5 Shortcut 151
    9.4.6 标签平滑 151
    9.4.7 人工制造数据 152
    第10章 自然语言处理 154
    10.1 自然语言处理模型 154
    10.2 one-hot编码和embedding技术 156
    10.3 哈夫曼树和负采样 161
    10.3.1 哈夫曼树 161
    10.3.2 负采样 163
    10.4 Word2vec的应用 165
    10.5 fastText模型的原理及应用 166
    第11章 卷积神经网络 169
    11.1 卷积层和池化层 169
    11.2 卷积神经网络在图像处理中的应用 177
    11.3 卷积神经网络中的批标准化 179
    11.4 TextCNN的原理及应用 180
    第12章 深入卷积层 185
    12.1 1 × 1卷积 185
    12.2 小尺寸卷积 186
    12.3 宽度卷积和Inception 187
    12.4 Depthwise卷积和Pointwise卷积 189
    12.5 特征通道加权卷积 193
    第13章 循环神经网络和LSTM模型 196
    13.1 循环神经网络模型详解 196
    13.1.1 循环神经网络的基本原理 196
    13.1.2 循环神经网络存在的一些问题 199
    13.2 LSTM模型详解 202
    13.3 LSTM模型的改进和应用 206
    13.4 CTC算法 208
    第14章 Attention模型和Transformer模型 210
    14.1 Attention模型详解 210
    14.1.1 注意力机制的基本原理 210
    14.1.2 Attention模型概述 212
    14.1.3 Attention模型的改进形式 214
    14.1.4 Self-Attention模型 215
    14.1.5 Multi-Head Attention模型 217
    14.2 Transformer模型原理 219
    14.3 BERT模型及应用 221
    作者介绍

    2003年~2012年年就读于北京科技大学本科硕士博士,2016年于北京大学博士后流动站出站,研究方向为:机器学习,人工智能,计算机视觉和自然语言属于。工作于腾讯,爱奇艺等**互联网公司从事人工智能技术的应用研发工作。曾获得腾讯年度人工智能铜奖,所做项目涉及自然语言处理,推荐系统,领导团队参与多项公司级项目的搭建和优化。工作之余,一直和培训机构进行合作,主讲人工智能课程,致力于人工智能在中国的普及推广和应用。
    关联推荐

    本书面向初中级读者,能帮助读者迅速掌握机器学习技术的相关概念及原理。本书内容结合作者多年的科研工作经验,理论和实践并重,对科研、学习、面试等均有帮助。
    1
    • 商品详情
    • 内容简介

    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