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:

  • 图解机器学习 [日]杉山将 著 许永伟 译 专业科技 文轩网
  • 新华书店正版
    • 作者: [日]杉山将著 | | 许永伟译
    • 出版社: 人民邮电出版社
    • 出版时间:2021-08-01 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: [日]杉山将著| 许永伟译
    • 出版社:人民邮电出版社
    • 出版时间:2021-08-01 00:00:00
    • 版次:1
    • 印次:32
    • 印刷时间:2021-08-01
    • 页数:226
    • 开本:32开
    • 装帧:平装
    • ISBN:9787115388025
    • 国别/地区:中国
    • 版权提供:人民邮电出版社

    图解机器学习

    作  者:[日]杉山将 著 许永伟 译
    定  价:59.8
    出 版 社:人民邮电出版社
    出版日期:2021年08月01日
    页  数:226
    装  帧:平装
    ISBN:9787115388025
    主编推荐

        187张图解轻松入门     提供可执行的Matlab程序代码     覆盖机器学习中实用、用途广的算法     专业实用     东京大学教授、机器学习研究人员执笔,浓缩机器学习的关键知识点     图文并茂     187张图示帮助理解,详略得当,为读懂大部头开路。     角度新颖     基于ZUI小二乘法讲解各种有监督学习的回归和分类算法,以及无监督学习算法。     实战导向 null

    内容简介

        《图解机器学习》用丰富的图示,从ZUI小二乘法出发,对基于ZUI小二乘法实现的各种机器学习算法进行了详细的介绍。第Ⅰ部分介绍了机器学习领域的概况;第Ⅱ部分和第Ⅲ部分分别介绍了各种有监督的回归算法和分类算法;第Ⅳ部分介绍了各种监督学习算法;第Ⅴ部分介绍了机器学习领域中的新兴算法。书中大部分算法都有相应的MATLAB程序源代码,可以用来进行简单的测试。

    作者简介

        杉山将,1974年生于大阪。东京工业大学计算机工程学博士毕业,现为东京大学教授、日本国立信息学研究所客座教授。主要从事机器学习的理论研究和算法开发,以及在信号和图像处理等方面的应用。2011年获日本信息处理学会长尾真纪念特别奖。著有《统计机器学习》、DensityRatioEstimationinMachineLearning等。同时也是PatternRecognitionandMachineLearning日文版的译者之一。     许永伟,2009年赴东京大学攻读博士学位,现于东京大学空间信息科学研究所从事博士后研究(特任研究员)。主要研究方向为模式识别与机器学习、图像处理与计算机视觉,对数据挖掘、大数据和信息架构有浓厚兴趣。

    精彩内容

    目录
    目录 第I部分  绪  论 第 1章  什么是机器学习 2 1.1  学习的种类    2 1.2  机器学习任务的例子    4 1.3  机器学习的方法    8 第 2章  学习模型 12 2.1  线性模型    12 2.2  核模型    15 2.3  层级模型    17 第II部分  有监督回归 第3章  **小二乘学习法 22 3.1  **小二乘学习法    22 3.2  **小二乘解的性质    25 3.3  大规模数据的学习算法    27 第4章带有约束条件的**小二乘法 31 4.1  部分空间约束的**小二乘学习法    31 4.2  l2 约束的**小二乘学习法    33 4.3  模型选择    37 第5章  稀疏学习 43 5.1  l1 约束的**小二乘学习法    43 5.2  l1 约束的**小二乘学习的求解方法    45 5.3  通过稀疏学习进行特征选择    50 5.4  lp约束的**小二乘学习法    51 5.5  l1+l2 约束的**小二乘学习法    52 第6章  鲁棒学习 55 6.1  l1 损失**小化学习    56 6.2  Huber损失**小化学习    58 6.3  图基损失**小化学习    63 6.4  l1 约束的Huber损失**小化学习    65 第III部分  有监督分类 第7章  基于**小二乘法的分类 70 7.1  **小二乘分类    70 7.2  0/1 损失和间隔    73 7.3  多类别的情形    76 第8章  支持向量机分类 80 8.1  间隔**大化分类    80 8.2  支持向量机分类器的求解方法    83 8.3  稀疏性    86 8.4  使用核映射的非线性模型    88 8.5  使用Hinge损失**小化学习来解释    90 8.6  使用Ramp损失的鲁棒学习    93 第9章  集成分类 98 9.1  剪枝分类    98 9.2  Bagging学习法    101 9.3  Boosting 学习法    105 第 10章  概率分类法 112 10.1  Logistic回归    112 10.2  **小二乘概率分类    116 第 11 章序列数据的分类 121 11.1  序列数据的模型化    122 11.2  条件随机场模型的学习    125 11.3  利用条件随机场模型对标签序列进行预测    128 第IV部分  无监督学习 第 12章  异常检测 132 12.1  局部异常因子    132 12.2  支持向量机异常检测    135 12.3  基于密度比的异常检测    137 第 13章  无监督降维 143 13.1  线性降维的原理    144 13.2  主成分分析    146 13.3  局部保持投影    148 13.4  核函数主成分分析    152 13.5  拉普拉斯特征映射    155 第 14章  聚类 158 14.1  K均值聚类    158 14.2  核K均值聚类    160 14.3  谱聚类    161 14.4  调整参数的自动选取    163 第V部分  新兴机器学习算法 第 15章  在线学习 170 15.1  被动攻击学习    170 15.2  适应正则化学习    176 第 16章  半监督学习 181 16.1  灵活应用输入数据的流形构造    182 16.2  拉普拉斯正则化**小二乘学习的求解方法    183 16.3  拉普拉斯正则化的解释    186 第 17章  监督降维 188 17.1  与分类问题相对应的判别分析    188 17.2  充分降维    195 第 18章  迁移学习 197 18.1  协变量移位下的迁移学习    197 18.2  类别平衡变化下的迁移学习    204 第 19章  多任务学习 212 19.1  使用**小二乘回归的多任务学习    212 19.2  使用**小二乘概率分类器的多任务学习    215 19.3  多次维输出函数的学习    216 第VI部分  结 语 第 20章  总结与展望 222 参考文献    225

    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