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]新书 机器学习 周志华 人工智能入门教程西瓜书机器学习入门中文教科书深度学习框架实战方法基础教程
  • 机器学习最新修订版
    • 作者: 周志华著
    • 出版社: 清华大学出版社
    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: 周志华著
    • 出版社:清华大学出版社
    • ISBN:9785160497099
    • 版权提供:清华大学出版社

            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。

     

     

     书名:  机器学习
     出版社:  清华大学出版社
     出版日期  2020
     ISBN号:  9787302423287

    机器学习是计算机科学的重要分支领域. 本书作为该领域的入门教材,在内容上尽可能涵盖机器学习基础知识的各方面. 全书共 16 章,大致分为 3 个部分:第 1 部分(第 1~3 章)介绍机器学习的基础知识;第 2 部分(第 4~10 章)讨论一些经典而常用的机器学习方法(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 3 部分(第 11~16 章)为进阶知识,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等. 每章都附有习题并介绍了相关阅读材料,以便有兴趣的读者进一步钻研探索. 

    本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材,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.

    周志华 教授,南京大学计算机系主任、人工智能学院院长、校学术委员会委员。欧洲科学院外籍院士。人工智能相关五大主流国际学会ACM、AAAI、AAAS、IEEE、IAPR均入选Fellow的首位华人学者,中国计算机学会、中国人工智能学会会士。曾获IEEE计算机学会Edward J. McCluskey技术成就奖、CCF王选奖等。

     

    击败AlphaGo的武林秘籍;赢得人机大战的必由之路。回答了有关机器学习的六大疑问,浅显生动,外行也能读懂。既道出了机器学习的前世今生,又展望了机器学习的未来发展,让道听途说的信息止于智者。

     

     

    目录


    第1章绪论


    1.1引言


    1.2 基本术语

    2


    1.3 假设空间


    1.4 归纳偏好

    6


    1.5发展历程

    10


    1.6 应用现状

    13


    1.7阅读材料

    16

    习题

    19


    参考文献

    20


    休息一会儿22



    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

    24


    2.3 性能度量

    28


    2.4 比较检验

    37


    2.5偏差与方差

    44


    2.6 阅读材料

    46


    习题

    48


    参考文献

    49


    休息一会儿

    51



    第3章线性模型

    53


    3.1基本形式

    53


    3.2 线性回归

    53


    3.3对数几率回归

    57


    3.4线性判别分析

    60


    3.5多分类学习

    63


    3.6类别不平衡问题66


    3.7阅读材料

    67


    习题6

    9


    参考文献

    70


    休息一会儿


    第4章决策树

    73


    4.1 基本流程

    73


    4.2划分选择

    75


    4.3剪枝处理

    79


    4.4连续 与缺失值

    83


    4.5多变量决策树

    88


    4.6阅读材料

    92


    习题

    93

    参考文献

    94

    休息-会儿

    95



    第5章神经网络


    5.1 神经元模型


    5.2感知机与多层网络

    98


    5.3误差逆传播算法

    101


    5.4全局最小与局部极小

    106


    5.5其他常见神经网络

    l08


    5.7阅读材料

    115

    习题

    116


    参考文献

    117


    休息一-会儿

    120



    第6章支持向量


    6.1间隔与支持向量


    1216.2对偶问题123


    6.3核函数

    126


    6.4软间隔与正则化129

    6.5支持向量回归133


    6.6 核方法

    137


    6.7阅读材料

    139


    习题

    141


    参考文献142

    休息一会儿

    145


    第7章贝叶斯分类器


    7.1贝叶斯决策论

    147


    7.2 极大似然估计

    149


    7.3朴素贝叶斯分类器

    150


    7.4半朴素贝叶斯分类器

    154


    7.5贝叶斯网

    156

    7.6EM算法


    7.7阅读材料

    164


    习题

    166


    参考文献

    167


    休息一会儿

    169



    第8章集成学习


    8.1个体与集成171


    8.2 Boosting

    173


    8.3 Bagging与随机森林


    8.5多样性


    8.6阅读材料190


    习题

    192


    参考文献

    193


    休息一会儿

    196



    第9章聚类



    9.1聚类任务


    9.2性能度量

    197


    9.3距离计算

    199


    9.4原型聚类

    202


    9.5密度聚类


    9.6层次聚类

    214


    9.7

    阅读材料

    217


    习题

    220


    参考文献


    休息一-会儿

    224



    第10章降维与度量学习

    225


    10.1 k近邻学习

    10.2 低维嵌入

    226


    10.3

    主成分分析

    229


    10.4核化线性降维

    232


    10.5流形学习

    234


    10.6 度量学习


    10.7阅读材料

    240


    习题

    242


    参考文献

    243


    休息一会儿

    246



    第11章特征选择与稀疏学习

    11.1子集搜索与评价

    247


    11.2

    过滤式选择

    249


    11.3包裹式选择

    250


    11.4嵌入式选择与L正则化

    252


    11.5稀疏表示与字典学习


    11.6压缩感知

    257


    11.7

    阅读材料


    习题

    262


    参考文献


    休息一会儿


    第12章计算学习理论


    12.1

    基础知识267


    12.2 PAC学习

    268



    12.3有限假设空间270


    12.4

    VC维

    273

    12.5 Radenacher复杂度


    12.6稳定性

    279


    12.7阅读材料

    284


    习题

    287


    参考文献

    289


    休息一会儿

    290



    第13章半监督学习.

    13.1未标记样本

    293


    13.2生成式方法295

    13.3半监督SVM2958

    13.4

    图半监督学习

    300


    13.5

    基于分歧的方法304

    13.6半监督聚类307

    13.7阅读材料311

    习题

    313

    参考文献

    314


    休息一会儿

    317


    第14章概率图模型.

    14.1

    隐马尔可夫模型

    319


    14.2马尔可夫随机场

    322


    14.3 条件随机场325

    14.4学习与推断

    328


    14.5近似推断


    14.6话题模型

    3317

    14.7阅读材料


    习题

    3341

    参考文献

    342

    休息一会儿345



    第15章

    15.1基本概念

    347


    15.2序贯覆盖

    349


    15.3剪枝优化

    352


    15.4一阶规则学习354

    15.5归纳逻辑程序设计

    357


    15.6阅读材料

    363

    习题

    365

    参考文献

    366

    休息一会儿

    369



    第16章强化学习


    16.1

    任务与奖赏


    16.2 K描臂赌博机


    16.3 有模型学习


    16.4免模型学习


    16.5值函数近似

    16.6模仿学习


    16.7阅读材料

    习题

    参考文献

    休息一会儿

    附录

    A矩阵

    B优化

    C概率分布

    后记

    417

    索引419

     

     

    前言

    这是一本面向中文读者的机器学习教科书,为了使尽可能多的读者通过本书对机器学习有所了解,作者试图尽可能少地使用数学知识.然而,少量的概率、统计、代数、优化、逻辑知识似乎不可避免.因此,本书更适合大学三年级以上的理工科本科生和研究生,以及具有类似背景的对机器学习感兴趣的人士.为方便读者,本书附录给出了一些相关数学基础知识简介.

    全书共16章,大体上可分为3个部分:第1部分包括第1~3章,介绍机器学习基础知识;第2部分包括第4~10章,介绍- -些经 典而常用的机器学习方法;第3部分包括第11~16章,介绍- -些进阶知识前3章之外的后续各章均相对独立,读者可根据自己的兴趣和时间情况选择使用.根据课时情况,一个学期的本科生课程可考虑讲授前9章或前10章;研究生课程则不妨使用全书。

    书中除第1章外,每章都给出了十道习题.有的习题是帮助读者巩固本章学习,有的是为了引导读者扩展相关知识。一学期的一般课程可使用这些习题,再辅以两到三个针对具体数据集的大作业.带星号的习题则有相当难度,有些并无现成答案,谨供富有进取心的读者启发思考.

    本书在内容上尽可能涵盖机器学习基础知识的各方面,但作为机器学习入门读物且因授课时间的考虑,很多重要、前沿的材料未能覆盖,即便覆盖到的部分也仅是管中窥豹,更多的内容留待读者在进阶课程中学习.为便于有兴趣的读者进一步钻研探索,本书每章均介绍了-些阅读材料,谨供读者参考.

    笔者以为,对学科相关的重要人物和事件有一-定 了解,将会增进读者对该学科的认识本书在每章最后都写了一个与该章内容相关的小故事,希望有助于读者增广见闻,并且在紧张的学习过程中稍微放松调剂一下.

    书中不可避免地涉及大量外国人名,若全部译为中文,则读者在日后进一-步阅读 文献时或许会对不少人名产生陌生感,不利于进一步学习.因此,本书仅对- -般读者耳熟能详的名字如“图灵”等加以直接使用,对故事中的一些主要人物给出了译名,其他则保持外文名.

    机器学习发展极迅速,目前已成为一个广袤的学科,罕有人士能对其众多分支领域均有精深理解.笔者自认才疏学浅,仅略知皮毛,更兼时间和精力所限,书中错谬之处在所难免,若蒙读者诸君不吝告知,将不胜感激.

                                                                                  周志华

                                                                                 2015年6月

     

     




     

    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