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]机器学习习题参考 周志华西瓜书《机器学习》官方配套
  • 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: 叶翰嘉 詹德川著 | 叶翰嘉 詹德川编 | 叶翰嘉 詹德川译 | 叶翰嘉 詹德川绘
    • 出版社: 机械工业出版社
    • 出版时间:2024-12-01
    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: 叶翰嘉 詹德川著| 叶翰嘉 詹德川编| 叶翰嘉 詹德川译| 叶翰嘉 詹德川绘
    • 出版社:机械工业出版社
    • 出版时间:2024-12-01
    • 版次:1
    • 印次:1
    • 印刷时间:2024-12-01
    • 字数:625000
    • 页数:480
    • 开本:20开
    • ISBN:9787111767145
    • 版权提供:机械工业出版社
  • 作者: 叶翰嘉 詹德川
  • 著: 叶翰嘉 詹德川 译
  • 装帧: 平装-胶订
  • 印次: 1
  • 定价: 99
  • ISBN: 9787111767145
  • 出版社: 机械工业出版社
  • 开本: 20开
  • 印刷时间: 2024-12-01
  • 语种: 暂无
  • 出版时间: 2024-12-01
  • 页数: 480
  • 外部编号: 庄村28699
  • 版次: 1
  • 成品尺寸: 暂无
  • 推荐序

    前言

    基础考评篇

    第1章绪论2

    1.1基本术语2

    1.2假设空间5

    1.3归纳偏好9

    1.4矩阵、优化和概率分布13

    参考文献21

    第2章模型评估与选择23

    2.1经验误差与过拟合23

    2.2评估方法26

    2.3性能度量31

    2.4比较检验41

    2.5偏差与方差43

    参考文献47

    第3章线性模型49

    3.1线性回归49

    3.2对数几率回归60

    3.3线性判别分析63

    3.4多分类学习74

    参考文献78

    第4章决策树80

    4.1基本流程80

    4.2划分选择81

    4.3剪枝处理90

    4.4连续与缺失值93

    4.5多变量决策树100

    参考文献105

    第5章神经网络106

    5.1感知机与多层网络106

    5.2误差逆传播算法112

    5.3全局最小与局部极小128

    5.4其他常见神经网络130

    参考文献132

    第6章支持向量机134

    6.1间隔、支持向量与对偶问题134

    6.2软间隔与正则化142

    6.3核函数154

    6.4核方法158

    参考文献160

    第7章贝叶斯分类器162

    7.1贝叶斯决策论162

    7.2极大似然估计166

    7.3朴素贝叶斯分类器179

    7.4贝叶斯网188

    参考文献190

    第8章集成学习191

    8.1Boosting191

    8.2Bagging与随机森林201

    8.3结合策略207

    8.4多样性211

    8.5集成剪枝222

    参考文献223

    第9章聚类225

    9.1距离计算225

    9.2k均值算法229

    9.3高斯混合聚类249

    9.4性能度量251

    9.5密度聚类与层次聚类254

    参考文献262

    第10章降维与度量学习263

    10.1k近邻学习263

    10.2维数灾难265

    10.3主成分分析268

    10.4核化线性降维287

    10.5低维嵌入与流形学习288

    10.6度量学习291

    参考文献295

    综合应用篇

    第11章线性模型的优化与复用298

    11.1数据获取和预处理298

    11.2岭回归分类器的优化方法探究302

    11.3线性模型的参数选择314

    11.4线性模型的参数复用320

    参考文献324

    第12章面向类别不平衡数据的分类326

    12.1类别不平衡现象与评价指标326

    12.2类别不平衡模型初探334

    12.3基于采样的“再缩放”方法340

    12.4类别不平衡问题的多分类扩展348

    参考文献356

    第13章神经网络的优化与应用357

    13.1数值求导和自动求导357

    13.2神经网络优化实例362

    13.3BP算法的回顾与思考374

    13.4SOM神经网络377

    参考文献385

    第14章EM算法及其应用387

    14.1数据中的隐变量387

    14.2EM算法的迭代优化视角391

    14.3EM算法的隐变量视角396

    14.4EM算法应用实例——缺失值处理398

    参考文献413

    第15章集成学习的过拟合现象研究415

    15.1分布有偏移数据集的构造和划分415

    15.2机器学习中的过拟合现象418

    15.3AdaBoost的多分类算法实现425

    15.4AdaBoost是否会过拟合433

    参考文献437

    第16章度量学习及其应用438

    16.1近邻分类器438

    16.2降维方法的评价444

    16.3度量学习448

    16.4度量学习的回顾与思考461

    参考文献466

    叶翰嘉,现任南京大学人工智能学院准聘副教授,在南京大学机器学习与数据挖掘研究所(LAMDA)从事学术研究工作。主要的研究方向包括表示学习、元学习、模型复用等领域。叶翰嘉在机器学习等领域发表TPAMI、ICML等学术论文二十余篇;受邀担任SDM Tutorial/Doctoral Forum主席, ECML、IJCAI领域主席/高级程序委员会成员,CCF-AI执行委员;作为核心成员参与“新一代人工智能”重大项目,主持国家自然科学基金青年项目,CCF-百度松果基金项目,CCF-海康威视斑头雁基金项目,被评为华为“耀星学者”,获得CCF优秀博士学位论文奖、江苏省计算机学会青年科技奖。

    由叶翰嘉和詹德川两位老师合作的《〈机器学习〉习题参考》(以下简称“本书”)是一本配合本人所撰《机器学习》(清华大学出版社于2016年出版,以下采用读者给予的昵称“西瓜书”)的教学参考书。
    西瓜书于2016年出版后即被用作南京大学计算机系本科课程“机器学习导论”的教材(讲授前9章),2018年南京大学成立人工智能学院后,又被用作人工智能学院本硕核心必修课的教材(本科讲授前10章、研究生讲授全书)。八年来在南京大学课堂以西瓜书为教材进行学习的同学已逾3000人,另有海内外五百余家单位以其为教材进行授课.西瓜书中每章通常提供10道习题,有不少同学希望有更多的习题以供练习。
    本书的两位作者都是南京大学人工智能学院的优秀青年教师,在机器学习领域有扎实的研究基础,成果斐然。两位都先后三轮担任本人授课的助教,并已开始独立授课,有较为丰富的教学经验。本书是对南京大学教学实践中使用的课程作业的总结和拓展,书中习题试图从不同角度帮助读者更好地掌握和巩固西瓜书中前10章所涉及的主要知识点,并综合考虑习题的难度和广度,尽可能兼顾不同读者的需求。
    希望本书的出版能够辅助读者加深对机器学习的理解,并为教师授课提供有益的补充材料。
    ——周志华,南京大学副校长,国际人工智能联合会理事会主席、《机器学习》作者

    本书是配套周志华教授所著的《机器学习》教材的习题集和教学参考书,通过大量习题考查读者对机器学习相关知识点的理解与掌握。全书分为两个部分:第一部分习题对应《机器学习》第1-10章的内容,包括绪论、模型评估与选择、线性模型、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;第二部分包含6章应用专题,通过综合题的形式对知识点进行多角度考查,包括线性模型的优化与复用、面向类别不平衡数据的分类、神经网络的优化与应用、EM算法及其应用、集成学习的过拟合现象研究、度量学习及其应用。书中包含简答题、计算题和编程题,涵盖不同难度级别。机器学习初学者可以通过这些习题深入了解和巩固教材的关键概念,对机器学习有一定基础的读者也可以通过习题发现对一些知识点不同角度的解读,为后续机器学习的深入研究打下基础。
    本书面向“西瓜书”《机器学习》教材读者以及广大机器学习爱好者,可作为高等院校人工智能、计算机、自动化及相关专业的本科生或研究生的教学辅助书籍,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。

    本书配套周志华教授所著的《机器学习》教材,通过大量习题考查读者对机器学习相关知识点的理解与掌握。全书分为两个部分:第一部分习题对应《机器学习》第1~10章的内容,包括绪论、模型评估与选择、线性模型、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;第二部分包含6章应用专题,通过综合题的形式对知识点进行多角度考查,包括线性模型的优化与复用、面向类别不平衡数据的分类、神经网络的优化与应用、EM算法及其应用、集成学习的过拟合现象研究、度量学习及其应用。书中包含简答题、计算题和编程题,涵盖不同难度级别,机器学习初学者可以通过这些习题深入了解和巩固教材的关键概念,对机器学习有一定基础的读者也可以通过习题发现对一些知识点不同角度的解读,为后续机器学习的深入研究打下基础。
    本书面向《机器学习》读者以及广大机器学习爱好者,可作为高等院校人工智能、计算机、自动化及相关专业的本科生或研究生的教学辅助书籍,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。

    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