4.4 用户推荐指数
科技
类型
8.6
豆瓣评分
可以朗读
语音朗读
318千字
字数
2016-01-01
发行日期
展开全部
主编推荐语
人工智能大牛周志华教授作品，全面揭开机器学习的奥秘。
内容简介
本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面。
全书共16章，大致分为3个部分：第1部分（第1～3章）介绍机器学习的基础知识；第2部分（第4～10章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3部分（第11～16 章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等。每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索。
目录
- 版权信息
- 序言
- 前言
- 如何使用本书 ——写在第十次印刷之际
- 主要符号表
- 第1章 绪论
- 1.1 引言
- 1.2 基本术语
- 1.3 假设空间
- 1.4 归纳偏好
- 1.5 发展历程
- 1.6 应用现状
- 1.7 阅读材料
- 习题
- 参考文献
- 休息一会儿
- 第2章 模型评估与选择
- 2.1 经验误差与过拟合
- 2.2 评估方法
- 2.3 性能度量
- 2.4 比较检验
- 2.5 偏差与方差
- 2.6 阅读材料
- 习题
- 参考文献
- 休息一会儿
- 第3章 线性模型
- 3.1 基本形式
- 3.2 线性回归
- 3.3 对数几率回归
- 3.4 线性判别分析
- 3.5 多分类学习
- 3.6 类别不平衡问题
- 3.7 阅读材料
- 习题
- 参考文献
- 休息一会儿
- 第4章 决策树
- 4.1 基本流程
- 4.2 划分选择
- 4.3 剪枝处理
- 4.4 连续与缺失值
- 4.5 多变量决策树
- 4.6 阅读材料
- 习题
- 参考文献
- 休息一会儿
- 第5章 神经网络
- 5.1 神经元模型
- 5.2 感知机与多层网络
- 5.3 误差逆传播算法
- 5.4 全局最小与局部极小
- 5.5 其他常见神经网络
- 5.6 深度学习
- 5.7 阅读材料
- 习题
- 参考文献
- 休息一会儿
- 第6章 支持向量机
- 6.1 间隔与支持向量
- 6.2 对偶问题
- 6.3 核函数
- 6.4 软间隔与正则化
- 6.5 支持向量回归
- 6.6 核方法
- 6.7 阅读材料
- 习题
- 参考文献
- 休息一会儿
- 第7章 贝叶斯分类器
- 7.1 贝叶斯决策论
- 7.2 极大似然估计
- 7.3 朴素贝叶斯分类器
- 7.4 半朴素贝叶斯分类器
- 7.5 贝叶斯网
- 7.6 EM算法
- 7.7 阅读材料
- 习题
- 参考文献
- 休息一会儿
- 第8章 集成学习
- 8.1 个体与集成
- 8.2 Boosting
- 8.3 Bagging与随机森林
- 8.4 结合策略
- 8.5 多样性
- 8.6 阅读材料
- 习题
- 参考文献
- 休息一会儿
- 第9章 聚类
- 9.1 聚类任务
- 9.2 性能度量
- 9.3 距离计算
- 9.4 原型聚类
- 9.5 密度聚类
- 9.6 层次聚类
- 9.7 阅读材料
- 习题
- 参考文献
- 休息一会儿
- 第10章 降维与度量学习
- 10.1 k近邻学习
- 10.2 低维嵌入
- 10.3 主成分分析
- 10.4 归纳偏好
- 10.5 流形学习
- 10.6 度量学习
- 10.7 阅读材料
- 习题
- 参考文献
- 休息一会儿
- 第11章 特征选择与稀疏学习
- 11.1 子集搜索与评价
- 11.2 过滤式选择
- 11.3包裹式选择
- 11.4 嵌入式选择与L1正则化
- 11.5 稀疏表示与字典学习
- 11.6 压缩感知
- 11.7 阅读材料
- 习题
- 参考文献
- 休息一会儿
- 第12章 计算学习理论
- 12.1 基础知识
- 12.2 PAC学习
- 12.3 有限假设空间
- 12.4 VC维
- 12.5 Rademacher复杂度
- 12.6 稳定性
- 12.7 阅读材料
- 习题
- 参考文献
- 休息一会儿
- 第13章 半监督学习
- 13.1 未标记样本
- 13.2 生成式方法
- 13.3 半监督SVM
- 13.4 图半监督学习
- 13.5 基于分歧的方法
- 13.6 半监督聚类
- 13.7 阅读材料
- 习题
- 参考文献
- 休息一会儿
- 第14章 概率图模型
- 14.1 隐马尔可夫模型
- 14.2 马尔可夫随机场
- 14.3 条件随机场
- 14.4学习与推断
- 14.5 近似推断
- 14.6 话题模型
- 14.7 阅读材料
- 习题
- 参考文献
- 休息一会儿
- 第15章 规则学习
- 15.1 基本概念
- 15.2 序贯覆盖
- 15.3 剪枝优化
- 15.4 一阶规则学习
- 15.5 归纳逻辑程序设计
- 15.6 阅读材料
- 习题
- 参考文献
- 休息一会儿
- 第16章 强化学习
- 16.1 任务与奖赏
- 16.2 K-摇臂赌博机
- 16.3 有模型学习
- 16.4 免模型学习
- 16.5 值函数近似
- 16.6 模仿学习
- 16.7 阅读材料
- 习题
- 参考文献
- 休息一会儿
- 附录
- A 矩阵
- B 优化
- C 概率分布
- 后记
展开全部
评分及书评
4.4
22个评分
- 给这本书评了5.0机器学习入门必备
最近准备开始学习机器学习，随手一搜，大名鼎鼎的西瓜书，得到电子书库也有，真是太棒了！尽管买过一本纸书了，但电子书还是更方便随时翻阅。来，一起刷起来吧！
给这本书评了5.0大名鼎鼎的西瓜书，算法同学人手一本，没想到得到电子书也上了，太棒了。
给这本书评了4.0书是好书，但是为什么得到版本的有错误！！3.6 类别不平衡这一章节直接连续出现两个公式错误！！y/(1-y) 写成 1/(1-y) y'/(1-y') 写成 y/(1-y') 这给我造成了很大的理解障碍，我还特意看了原版纸质书，人家写得明明是对的，为什么只有得到是错的？？？得到编辑要不要出来澄清一下？？？
- 查看全部9条书评
出版方
清华大学出版社
清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。
