機器學習導論(2016年機械工業出版社出版的圖書)

機器學習導論(2016年機械工業出版社出版的圖書)

本詞條是多義詞,共3個義項
更多義項 ▼ 收起列表 ▲

《機器學習導論》是2016年11月機械工業出版社出版的圖書,作者是[美]米羅斯拉夫·庫巴特。這本書通過給出易操作的實踐指導、採用簡單的例子、激勵學生討論有趣的套用問題,用一種易於理解的方式介紹了機器學習的基本思想。

基本介紹

  • 中文名:機器學習導論
  • 作者:[美]米羅斯拉夫·庫巴特
  • 出版社:機械工業出版社
  • ISBN:9787111548683
內容簡介,圖書目錄,作者簡介,

內容簡介

這本書通過給出易操作的實踐指導、採用簡單的例子、激勵學生討論有趣的套用問題,用一種易於理解的方式介紹了機器學習的基本思想。本書主題包括貝葉斯分類器、近鄰分類器、線性和多項式分類器、決策樹、神經網路以及支持向量機。後面的章節展示了如何把這些簡單工具通過“提升”(boosting)的方式結合起來,怎樣將它們套用於更加複雜的領域,以及如何處理各種高級的實踐問題。其中有一章介紹了廣為人知的遺傳算法。

圖書目錄

推薦序
前言
第1章 一個簡單的機器學習任務//
1.1訓練集和分類器//
1.2一點題外話:爬山搜尋//
1.3機器學習中的爬山法//
1.4分類器的性能//
1.5可用數據的困難//
1.6總結和歷史簡評//
1.7鞏固你的知識//
第2章 機率:貝葉斯分類器//
2.1單屬性的情況//
2.2離散屬性值的向量//
2.3稀少事件的機率:利用專家的直覺//
2.4如何處理連續屬性//
2.5高斯鐘形函式:一個標準的機率密度函式//
2.6用高斯函式的集合近似機率密度函式//
2.7總結和歷史簡評//
2.8鞏固你的知識//
第3章 相似性:近鄰分類器//
3.1k近鄰法則//
3.2度量相似性//
3.3不相關屬性與尺度縮放問題//
3.4性能方面的考慮//
3.5加權近鄰//
3.6移除危險的樣例//
3.7移除多餘的樣例//
3.8總結和歷史簡評//
3.9鞏固你的知識//
第4章 類間邊界:線性和多項式分類器//
4.1本質//
4.2加法規則:感知機學習//
4.3乘法規則:WINNOW//
4.4多於兩個類的域//
4.5多項式分類器//
4.6多項式分類器的特殊方面//
4.7數值域和支持向量機//
4.8總結和歷史簡評//
4.9鞏固你的知識//
第5章 人工神經網路//
5.1作為分類器的多層感知機//
5.2神經網路的誤差//
5.3誤差的反向傳播//
5.4多層感知機的特殊方面//
5.5結構問題//
5.6徑向基函式網路//
5.7總結和歷史簡評//
5.8鞏固你的知識//
第6章 決策樹//
6.1作為分類器的決策樹//
6.2決策樹的歸納學習//
6.3一個屬性承載了多少信息//
6.4數值屬性的二元劃分//
6.5剪枝//
6.6將決策樹轉換為規則//
6.7總結和歷史簡評//
6.8鞏固你的知識//
第7章 計算學習理論//
7.1PAC 學習//
7.2PAC可學習性的實例//
7.3一些實踐和理論結果//
7.4VC維與可學習性//
7.5總結和歷史簡評//
7.6鞏固你的知識//
第8章 幾個有幫助的案例//
8.1字元識別//
8.2溢油檢測//
8.3睡眠分類//
8.4腦機界面//
8.5醫療診斷//
8.6文本分類//
8.7總結和歷史簡評//
8.8鞏固你的知識//
第9章 投票組合簡介//
9.1“裝袋”方法(Bagging)//
9.2夏皮爾提升(Schapires Boosting)//
9.3Adaboost——Boosting的實用版本//
9.4Boosting方法的變種//
9.5Boosting方法的計算優勢//
9.6總結和歷史簡評//
9.7鞏固你的知識//
第10章 了解一些實踐知識//
10.1學習器的偏好//
10.2不平衡訓練集//
10.3語境相關域//
10.4未知屬性值//
10.5屬性選擇//
10.6雜項//
10.7總結和歷史簡評//
10.8鞏固你的知識//
第11章 性能評估//
11.1基本性能標準//
11.2精度和查全率//
11.3測量性能的其他方法//
11.4多標籤域內的性能//
11.5學習曲線和計算開銷//
11.6實驗評估的方法//
11.7總結和歷史簡評//
11.8鞏固你的知識//
第12章 統計顯著性//
12.1總體抽樣//
12.2從常態分配中獲益//
12.3置信區間//
12.4一個分類器的統計評價//
12.5另外一種統計評價//
12.6機器學習技術的比較//
12.7總結和歷史簡評//
12.8鞏固你的知識//
第13章 遺傳算法//
13.1基本遺傳算法//
13.2單個模組的實現//
13.3為什麼能起作用//
13.4過早退化的危險//
13.5其他遺傳運算元//
13.6高級版本//
13.7k-NN 分類器的選擇//
13.8總結和歷史簡評//
13.9鞏固你的知識//
第14章 增強學習//
14.1如何選出獎勵的動作//
14.2遊戲的狀態和動作//
14.3SARSA方法//
14.4總結和歷史簡評//
14.5鞏固你的知識//
參考文獻//

作者簡介

〔美] 米羅斯拉夫·庫巴特美國邁阿密大學教授,從事機器學習教學和研究超過25年。他已發表100餘篇經過同行評審的論文,與人合編了兩本著作,是近60個會議和研討會的程式委員會委員,並擔任3本學術刊物的編委。他在兩個方面的前沿研究上得到了廣泛讚譽:時變概念的歸納學習和在非平衡訓練集上的學習。此外,在多標籤樣例上的歸納學習、層次組織的類別上的歸納學習、遺傳算法、神經網路的初始化等問題上,他也做出了很多貢獻。

相關詞條

熱門詞條

聯絡我們