由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高99元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
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
¥ ×1
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。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
