機器學習導論(2016年機械工業出版社出版的圖書)

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//

機器學習導論(2016年機械工業出版社出版的圖書)

基本介紹

內容簡介

圖書目錄

作者簡介

相關詞條

熱門詞條