機器學習精講：基礎、算法及套用

內容簡介

本書為了解機器學習提供了一種獨特的途徑。書中包含了新穎、直觀而又嚴謹的基本概念描述，它們是研究課題、製造產品、修補漏洞以及實踐不可或缺的部分。本書按照幾何直覺、算法思想和實際套用（縱貫計算機視覺、自然語言處理、經濟學、神經科學、推薦系統、物理學和生物學等學科）的順序，為讀者提供了深入淺出的基礎知識和解決實際問題所需的實用工具。本書還包含了基於Python和MATLAB/OCTAVE語言的深入習題，以及對數值最佳化前沿技術的全面講解。本書可為機器學習、計算機科學、電子工程、信號處理以及數值最佳化等領域的學生提供重要的學習資源，也可為這些領域的研究人員和從業者提供理想的參考資料。

圖書目錄

譯者序

前言

第1章引言

11教計算機區分貓和狗

12預測學習問題

121回歸

122分類

13特徵設計

14數值最佳化

15小結

第一部分基本工具及概念

第2章數值最佳化基礎

21微積分定義的最優性

211泰勒級數逼近

212最優性的一階條件

213凸性的便利

22最佳化數值方法

221概覽

222停止條件

223梯度下降

224牛頓法

23小結

24習題

第3章回歸

31線性回歸基礎

311符號和建模

312用於線性回歸的最小二乘代價函式

313最小二乘代價函式的最小化

314所學模型的效力

315預測新輸入數據的值

32知識驅動的回歸特徵設計

33非線性回歸和l2正則化

331邏輯回歸

332非凸代價函式和l2正則化

34小結

35習題

第4章分類

41感知機代價函式

411基本感知機模型

412softmax代價函式

413間隔感知機

414間隔感知機的可微近似

415所學分類器的精度

416預測新輸入數據的標籤

417哪個代價函式會產生最好的結果

418感知機和計數代價的關聯

42邏輯回歸視角下的softmax代價

機器學習精講：基礎、算法及套用

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條