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:

  • 正版新书]图解机器学习(日)杉山将 著;许永伟 译9787115388025
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: (日)杉山将 著;许永伟 译著 | (日)杉山将 著;许永伟 译编 | (日)杉山将 著;许永伟 译译 | (日)杉山将 著;许永伟 译绘
    • 出版社: 人民邮电出版社
    • 出版时间:2015-04-01
    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:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: (日)杉山将 著;许永伟 译著| (日)杉山将 著;许永伟 译编| (日)杉山将 著;许永伟 译译| (日)杉山将 著;许永伟 译绘
    • 出版社:人民邮电出版社
    • 出版时间:2015-04-01
    • 版次:1
    • 印次:1
    • 印刷时间:2015-04-29
    • 字数:209.00千字
    • 页数:226
    • 开本:大32开
    • ISBN:9787115388025
    • 版权提供:人民邮电出版社
  • 作者: (日)杉山将 著;许永伟 译
  • 著: (日)杉山将 著;许永伟 译
  • 装帧: 平装
  • 印次: 1
  • 定价: 49
  • ISBN: 9787115388025
  • 出版社: 人民邮电出版社
  • 开本: 大32开
  • 印刷时间: 2015-04-29
  • 语种: 中文
  • 出版时间: 2015-04-01
  • 页数: 226
  • 外部编号: 五三B112188
  • 版次: 1
  • 成品尺寸: 暂无
  • 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  最小二乘学习法 22
    3.1  最小二乘学习法    22
    3.2  最小二乘解的性质    25
    3.3  大规模数据的学习算法    27
    第4章带有约束条件的最小二乘法 31
    4.1  部分空间约束的最小二乘学习法    31
    4.2  l2 约束的最小二乘学习法    33
    4.3  模型选择    37
    第5章  稀疏学习 43
    5.1  l1 约束的最小二乘学习法    43
    5.2  l1 约束的最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约束的最小二乘学习法    51
    5.5  l1+l2 约束的最小二乘学习法    52
    第6章  鲁棒学习 55
    6.1  l1 损失最小化学习    56
    6.2  Huber损失最小化学习    58
    6.3  图基损失最小化学习    63
    6.4  l1 约束的Huber损失最小化学习    65
    第III部分  有监督分类
    第7章  基于最小二乘法的分类 70
    7.1  最小二乘分类    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  间隔最大化分类    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损失最小化学习来解释    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  最小二乘概率分类    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  拉普拉斯正则化最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  使用最小二乘回归的多任务学习    212
    19.2  使用最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

    杉山将(作者),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》、Density Ratio Estimation in Machine Learning等。同时也是Pattern Recognition and Machine Learning日文版的译者之一。

    187张图解轻松入门
    提供可执行的Matlab程序代码
    覆盖机器学习中很经典、用途很广的算法

    专业实用:东京大学教授、机器学习专家执笔,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:基于很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:配有可执行的MATLAB程序代码,边学习边实践。

    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