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 模式识别和机器学习基础 乌利塞斯 布拉加 内托 误差估计 贝叶斯分类器 函数逼近 模型选择 聚类分析技术 神经
  • 新商品上架
    • 作者: 乌利塞斯·布拉加-内托著
    • 出版社: 机械工业出版社
    • 出版时间:2023-07
    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:
    句字图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 乌利塞斯·布拉加-内托著
    • 出版社:机械工业出版社
    • 出版时间:2023-07
    • ISBN:9782994753552
    • 版权提供:机械工业出版社


    商品名称:

    模式识别和机器学习基础

    作      者:

    [美]乌利塞斯·布拉加-内托(Ulisses Braga-Neto)

    市  场 价:

    119.00

    ISBN  号:

    9787111735267

    出版日期:

     

    页      数:

    246

    开      本:


    出  版 社:

     机械工业出版社

    目录



    Fundamentals of Pattern Recognition and Machine Learning



    译者序


    前言

    第1章概述111模式识别与机器学习1


    12数学基础设置1


    13预测2


    14预测误差2


    15监督学习与无监督学习3


    16复杂性权衡3


    17设计周期4


    18应用实例5


    181生物信息学5


    182材料信息学7


    19文献注释9

    第2章最优分类1021无特征分类10


    22有特征分类10


    23贝叶斯分类器13


    24贝叶斯误差16


    25高斯模型19


    251同方差情况20


    252异方差情况22


    26其他主题22


    261极小极大分类22


    262F误差24


    263贝叶斯决策理论26


    *264分类问题的严格表达27


    27文献注释28


    28练习29


    29Python作业33

    第3章基于实例的分类3631分类规则36


    32分类错误率38


    *33一致性38


    34没有免费午餐定理41


    35其他主题42


    351集成分类42


    352混合抽样与独立抽样43


    36文献注释44


    37练习44


    38Python作业45

    第4章参数分类4741参数替换规则47


    42高斯判别分析48


    421线性判别分析48


    422二次判别分析51


    43逻辑斯谛分类53


    44其他主题54


    441正则化判别分析54


    *442参数规则的一致性55


    443贝叶斯参数规则57


    45文献注释59


    46练习60


    47Python作业62

    第5章非参数分类6451非参数替换规则64


    52直方图分类65


    53最近邻分类66


    54核分类68


    55CoverHart定理70


    *56Stone定理73


    57文献注释74


    58练习75


    59Python作业76

    第6章函数逼近分类7861支持向量机78


    611可分数据的线性支持

    向量机78


    612一般线性支持向量机80


    613非线性支持向量机82


    62神经网络86


    621反向传播训练89


    622卷积神经网络92


    *623神经网络的普遍逼近

    性质94


    624普遍一致性定理96


    63决策树97


    64有序分类器100


    65文献注释101


    66练习102


    67Python作业104

    第7章分类误差估计10871误差估计规则108


    72误差估计性能109


    721偏差分布109


    722偏差、方差、均方根和

    尾概率110


    *723一致性111


    73测试集误差估计112


    74再代入误差估计113


    75交叉验证114


    76自助方法116


    77增强误差估计118


    78其他主题121


    781凸误差估计器121


    782平滑误差估计器123


    783贝叶斯误差估计123


    79文献注释126


    710练习127


    711Python作业129

    第8章分类模型选择13181分类复杂性131


    82VapnikChervonenkis理论134


    *821有限模型选择134


    822打散系数与VC维度135


    823几种分类规则中的VC

    参数136


    824VapnikChervonenkis

    定理139


    825没有免费午餐定理139


    83模型选择方法140


    831验证误差最小化140


    832训练集误差最小化141


    833结构性风险最小化141


    84文献注释142


    85练习143

    第9章降维14591面向分类任务的特征提取145


    92特征选择146


    921穷举搜索146


    922单变量贪婪搜索147


    923多变量贪婪搜索149


    924特征选择与分类复杂性150


    925特征选择与误差估计150


    93主成分分析152


    94多维缩放155


    95因子分析156


    96文献注释158


    97练习159


    98Python作业160

    第10章聚类162101KMeans算法162


    102高斯混合模型165


    1021期望最大化方法166


    1022与KMeans的关系170


    103层次聚类171


    104自组织映射173


    105文献注释174


    106练习175


    107Python作业176

    第11章回归178111最优回归178


    112基于样本的回归181


    113参数回归182


    1131线性回归183


    1132高斯马尔可夫定理185


    1133补偿最小二乘法186


    114非参数回归187


    1141核回归187


    1142高斯过程回归188


    115函数近似回归194


    116误差估计195


    117变量选择196


    1171Wrapper 搜索196


    1172统计检验196


    1173LASSO和 Elastic Net196


    118模型选择197


    119文献注释197


    1110练习198


    1111Python作业200

    附录202


    参考文献235

     

    模式识别和机器学习是人工智能应用的基础。本书将模式识别任务按照监督学习和无监督学习两种方式进行组织。第1章讨论模式识别和机器学习的内在关系,介绍了两者的基础知识和模式识别的设计过程。第2章和第3章介绍了zui优化的和常规的基于实例的分类问题。第4~6章检验了参数的、非参数的和函数逼近的分类规则。之后在第7章和第8章就分类的误差估计和模型选择对分类模型的性能进行讨论。第9章介绍了能够提高分类模型的性能并减少存储空间的降维技术。第10章和第11章分别介绍了聚类分析技术和回归模型。本书适合相关专业高年级本科生和研究生,以及该领域的从业人员阅读。

     

    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