基本介紹
- 書名：計算機科學叢書:機器學習
- 譯者：曾華軍
- 出版社：機械工業出版社
- 頁數：282頁
- 開本：16
- 品牌：機械工業出版社
- 作者：米歇爾 (Mitchell T.M.)
- 類型：計算機與網際網路
- 出版日期：2008年3月1日
- 語種：簡體中文
- ISBN：9787111109938, 7111109937
基本介紹,內容簡介,作者簡介,圖書目錄,文摘,
基本介紹
內容簡介
《計算機科學叢書:機器學習》編輯推薦：如何讓計算機隨著經驗的積累自動提高性能？這就是機器學習的目的。《機器學習》展示了機器學習中核心的算法和理論，並闡明了算法的運行過程。《機器學習》綜合了許多的研究成果，例如統計學、人工智慧、哲學、資訊理論、生物學、認知科學、計算複雜性和控制論等，並以此來理解問題的背景、算法和其中的隱含假定。
作者簡介
作者：（美國）米歇爾(Mitchell T.M.) 譯者：曾華軍 等
米歇爾(Mitchell T.M.)，是卡內基梅隆大學的教授，講授“機器學習”等多門課程；美國人工智慧協會(AAAL)的主席；美國《Machine Learning》雜誌、國際機器學習年度會議(ICML)的創始人；多種技術雜誌的撰稿人，曾發表過許多文章，出版過多本專著，是機器學習領域的著名學者。
米歇爾(Mitchell T.M.)，是卡內基梅隆大學的教授，講授“機器學習”等多門課程；美國人工智慧協會(AAAL)的主席；美國《Machine Learning》雜誌、國際機器學習年度會議(ICML)的創始人；多種技術雜誌的撰稿人，曾發表過許多文章，出版過多本專著，是機器學習領域的著名學者。
圖書目錄
出版者的話
專家指導委員會
譯者序
前言
第1章 引言
1.1 學習問題的標準描述
1.2 設計一個學習系統
1.2.1 選擇訓練經驗
1.2.2 選擇目標函式
1.2.3 選擇目標函式的表示
1.2.4 選擇函式逼近算法
1.2.5 最終設計
1.3 機器學習的一些觀點和問題
1.4 如何閱讀本書
1.5 小結和補充讀物
習題
第2章 概念學習和一般到特殊序
2.1 簡介
2.2 概念學習任務
2.2.1 術語定義
2.2.2 歸納學習假設
2.3 作為搜尋的概念學習
2.4 FIND-S：尋找極大特殊假設
2.5 變型空間和候選消除算法
2.5.1 表示
2.5.2 列表後消除算法
2.5.3 變型空間的更簡潔表示
2.5.4 候選消除學習算法
2.5.5 算法的舉例
2.6 關於變型空間和候選消除的說明
2.6.1 候選消除算法是否會收斂到正確的假設
2.6.2 下一步需要什麼樣的訓練樣例
2.6.3 怎樣使用不完全學習概念
2.7 歸納偏置
2.7.1 一個有偏的假設空間
2.7.2 無偏的學習器
2.7.3 無偏學習的無用性
2.8 小結和補充讀物
習題
第3章 決策樹學習
3.1 簡介
3.2 決策樹表示法
3.3 決策樹學習的適用問題
3.4 基本的決策樹學習算法
3.4.1 哪個屬性是最佳的分類屬性
3.4.2 舉例
3.5 決策樹學習中的假設空間搜尋
3.6 決策樹學習的歸納偏置
3.6.1 限定偏置和優選偏置
3.6.2 為什麼短的假設優先
3.7 決策樹學習的常見問題
3.7.1 避免過度擬合數據
3.7.2 合併連續值屬性
3.7.3 屬性選擇的其他度量標準
3.7.4 處理缺少屬性值的訓練樣例
3.7.5 處理不同代價的屬性
3.8 小結和補充讀物
習題
第4章 人工神經網路
4.1 簡介
4.2 神經網路表示
4.3 適合神經網路學習的問題
4.4 感知器
4.4.1 感知器的表征能力
4.4.2 感知器訓練法則
4.4.3 梯度下降和delta法則
4.4.4 小結
……
第5章 評估假設
第6章 貝葉斯學習
第7章 計算學習理論
第8章 基於實例的學習
第9章 遺傳算法
第10章 學習規則集合
第11章 分析這習
第12章 歸納和分析學習的結合
第13章 增強學習
專家指導委員會
譯者序
前言
第1章 引言
1.1 學習問題的標準描述
1.2 設計一個學習系統
1.2.1 選擇訓練經驗
1.2.2 選擇目標函式
1.2.3 選擇目標函式的表示
1.2.4 選擇函式逼近算法
1.2.5 最終設計
1.3 機器學習的一些觀點和問題
1.4 如何閱讀本書
1.5 小結和補充讀物
習題
第2章 概念學習和一般到特殊序
2.1 簡介
2.2 概念學習任務
2.2.1 術語定義
2.2.2 歸納學習假設
2.3 作為搜尋的概念學習
2.4 FIND-S：尋找極大特殊假設
2.5 變型空間和候選消除算法
2.5.1 表示
2.5.2 列表後消除算法
2.5.3 變型空間的更簡潔表示
2.5.4 候選消除學習算法
2.5.5 算法的舉例
2.6 關於變型空間和候選消除的說明
2.6.1 候選消除算法是否會收斂到正確的假設
2.6.2 下一步需要什麼樣的訓練樣例
2.6.3 怎樣使用不完全學習概念
2.7 歸納偏置
2.7.1 一個有偏的假設空間
2.7.2 無偏的學習器
2.7.3 無偏學習的無用性
2.8 小結和補充讀物
習題
第3章 決策樹學習
3.1 簡介
3.2 決策樹表示法
3.3 決策樹學習的適用問題
3.4 基本的決策樹學習算法
3.4.1 哪個屬性是最佳的分類屬性
3.4.2 舉例
3.5 決策樹學習中的假設空間搜尋
3.6 決策樹學習的歸納偏置
3.6.1 限定偏置和優選偏置
3.6.2 為什麼短的假設優先
3.7 決策樹學習的常見問題
3.7.1 避免過度擬合數據
3.7.2 合併連續值屬性
3.7.3 屬性選擇的其他度量標準
3.7.4 處理缺少屬性值的訓練樣例
3.7.5 處理不同代價的屬性
3.8 小結和補充讀物
習題
第4章 人工神經網路
4.1 簡介
4.2 神經網路表示
4.3 適合神經網路學習的問題
4.4 感知器
4.4.1 感知器的表征能力
4.4.2 感知器訓練法則
4.4.3 梯度下降和delta法則
4.4.4 小結
……
第5章 評估假設
第6章 貝葉斯學習
第7章 計算學習理論
第8章 基於實例的學習
第9章 遺傳算法
第10章 學習規則集合
第11章 分析這習
第12章 歸納和分析學習的結合
第13章 增強學習
文摘
第1章 引言
自從計算機問世以來，人們就想知道它們能不能自我學習。如果我們理解了計算機學習的內在機制，即怎樣使它們根據經驗來自動提高，那么影響將是空前的。想像一下，在未來，計算機能從醫療記錄中學習，獲取治療新疾病最有效的方法；住宅管理系統分析住戶的用電模式，以降低能源消耗；個人軟體助理跟蹤用戶的興趣，並為其選擇最感興趣的線上早間新聞。對計算機學習的成功理解將開闢出許多全新的套用領域，並使其計算能力和可定製性上升到新的層次。同時，透徹理解機器學習的信息處理算法，也會有助於更好地理解人類的學習能力（及缺陷）。
目前，我們還不知道怎樣使計算機具備和人類一樣強大的學習能力。然而，一些針對特定學習任務的算法已經產生。關於學習的理論認識已開始逐步形成。人們開發出很多實踐性的電腦程式來實現不同類型的學習，一些商業化的套用也已經出現。例如，對於語音識別這樣的課題，迄今為止，基於機器學習的算法明顯勝過其他的方法。在數據挖掘領域，機器學習算法理所當然地得到套用，從包含設備維護記錄、借貸申請、金融交易、醫療記錄等信息的大型資料庫中發現有價值的信息。隨著對計算機認識的日益成熟，機器學習必將在計算機科學和技術中扮演越來越重要的角色！
我們可以通過一些專項成果看到機器學習這門技術的現狀：計算機已經能夠成功地識別人類的講話（Waibel 1989，Lee l989）；預測肺炎患者的康復率（Cooper et al．1997）；檢測信用卡的欺詐；在高速公路上自動駕駛汽車(Pomerleau 1989)；以接近人類世界冠軍的水平對弈西洋雙陸棋（Tesauro 1992，1995）。
自從計算機問世以來，人們就想知道它們能不能自我學習。如果我們理解了計算機學習的內在機制，即怎樣使它們根據經驗來自動提高，那么影響將是空前的。想像一下，在未來，計算機能從醫療記錄中學習，獲取治療新疾病最有效的方法；住宅管理系統分析住戶的用電模式，以降低能源消耗；個人軟體助理跟蹤用戶的興趣，並為其選擇最感興趣的線上早間新聞。對計算機學習的成功理解將開闢出許多全新的套用領域，並使其計算能力和可定製性上升到新的層次。同時，透徹理解機器學習的信息處理算法，也會有助於更好地理解人類的學習能力（及缺陷）。
目前，我們還不知道怎樣使計算機具備和人類一樣強大的學習能力。然而，一些針對特定學習任務的算法已經產生。關於學習的理論認識已開始逐步形成。人們開發出很多實踐性的電腦程式來實現不同類型的學習，一些商業化的套用也已經出現。例如，對於語音識別這樣的課題，迄今為止，基於機器學習的算法明顯勝過其他的方法。在數據挖掘領域，機器學習算法理所當然地得到套用，從包含設備維護記錄、借貸申請、金融交易、醫療記錄等信息的大型資料庫中發現有價值的信息。隨著對計算機認識的日益成熟，機器學習必將在計算機科學和技術中扮演越來越重要的角色！
我們可以通過一些專項成果看到機器學習這門技術的現狀：計算機已經能夠成功地識別人類的講話（Waibel 1989，Lee l989）；預測肺炎患者的康復率（Cooper et al．1997）；檢測信用卡的欺詐；在高速公路上自動駕駛汽車(Pomerleau 1989)；以接近人類世界冠軍的水平對弈西洋雙陸棋（Tesauro 1992，1995）。
