计算机 类型
7.1 豆瓣评分
可以朗读 语音朗读
107千字 字数
2019-09-01 发行日期
展开全部

主编推荐语

机器学习入门10章: 基本知识、算法、原理、实践、深度学习、问题解决、高级实践、非监督学习、其他学习。

内容简介

全书分为10章。首先是机器学习入门知识，然后依次介绍了表示法和定义、基本算法、算法的原理、基本的最佳实践、自然语言和深度学习、问题和解决方案、高级实践、非监督机器学习、其他形式的学习以及结论。本书最后提供了一个和机器学习相关的术语表。

目录

  • 版权信息
  • 版权
  • 版权声明
  • 内容提要
  • 译者序
  • 前言
  • 第1章 绪论
  • 1.1 什么是机器学习
  • 1.2 不同类型的学习
  • 1.2.1 监督学习
  • 1.2.2 非监督学习
  • 1.2.3 半监督学习
  • 1.2.4 强化学习
  • 1.3 监督学习是如何工作的
  • 1.4 为什么模型可以应用于新数据
  • 第2章 符号和定义
  • 2.1 符号
  • 2.1.1 数据结构
  • 2.1.2 大写西格玛(∑)符号
  • 2.1.3 大写派(Π)符号
  • 2.1.4 集合运算
  • 2.1.5 向量运算
  • 2.1.6 函数
  • 2.1.7 max和argmax
  • 2.1.8 赋值运算符
  • 2.1.9 导数和梯度
  • 2.2 随机变量
  • 2.3 无偏估计值
  • 2.4 贝叶斯准则
  • 2.5 参数估计
  • 2.6 参数与超参数
  • 2.7 分类vs.回归
  • 2.8 基于模型学习vs.基于实例学习
  • 2.9 浅层学习vs.深度学习
  • 第3章 基本算法
  • 3.1 线性回归
  • 3.1.1 问题陈述
  • 3.1.2 解决方案
  • 3.2 对数几率回归
  • 3.2.1 问题陈述
  • 3.2.2 解决方案
  • 3.3 决策树学习
  • 3.3.1 问题陈述
  • 3.3.2 解决方案
  • 3.4 支持向量机
  • 3.4.1 处理噪声
  • 3.4.2 处理固有非线性
  • 3.5 k近邻
  • 第4章 算法剖析
  • 4.1 一个算法的组成部分
  • 4.2 梯度下降
  • 4.3 机器学习工程师如何工作
  • 4.4 学习算法的特性
  • 第5章 基本实践
  • 5.1 特征工程
  • 5.1.1 独热编码
  • 5.1.2 装箱
  • 5.1.3 归一化
  • 5.1.4 标准化
  • 5.1.5 处理特征缺失值
  • 5.1.6 数据补全技术
  • 5.2 选择学习算法
  • 5.3 3个数据集
  • 5.4 欠拟合与过拟合
  • 5.5 正则化
  • 5.6 模型效果评估
  • 5.6.1 混淆矩阵
  • 5.6.2 查准率/查全率
  • 5.6.3 准确率
  • 5.6.4 代价敏感准确率
  • 5.6.5 ROC曲线下面积
  • 5.7 超参数调试
  • 交叉验证
  • 第6章 神经网络和深度学习
  • 6.1 神经网络
  • 6.1.1 多层感知机例子
  • 6.1.2 前馈神经网络
  • 6.2 深度学习
  • 6.2.1 卷轴神经网络
  • 6.2.2 循环神经网络
  • 第7章 问题与解决方案
  • 7.1 核回归
  • 7.2 多类别分类
  • 7.3 单类别分类
  • 7.4 多标签分类
  • 7.5 集成学习
  • 7.5.1 提升法与装袋法
  • 7.5.2 随机森林
  • 7.5.3 梯度提升
  • 7.6 学习标注序列
  • 7.7 序列到序列学习
  • 7.8 主动学习
  • 7.9 半监督学习
  • 7.10 单样本学习
  • 7.11 零样本学习
  • 第8章 进阶操作
  • 8.1 处理不平衡的数据集
  • 8.2 组合模型
  • 8.3 训练神经网络
  • 8.4 进阶正则化
  • 8.5 处理多输入
  • 8.6 处理多输出
  • 8.7 迁移学习
  • 8.8 算法效率
  • 第9章 非监督学习
  • 9.1 密度预估
  • 9.2 聚类
  • 9.2.1 k均值
  • 9.2.2 DBSCAN和HDBSCAN
  • 9.2.3 决定聚类簇个数
  • 9.2.4 其他聚类算法
  • 9.3 维度降低
  • 9.3.1 主要成分分析
  • 9.3.2 UMAP
  • 9.4 异常值检测
  • 第10章 其他学习形式
  • 10.1 质量学习
  • 10.2 排序学习
  • 10.3 推荐学习
  • 10.3.1 因子分解机
  • 10.3.2 去噪自编码器
  • 10.4 自监督学习:词嵌入
  • 第11章 结论
  • 11.1 主题模型
  • 11.2 高斯过程
  • 11.3 广义线性模型
  • 11.4 概率图模型
  • 11.5 马尔可夫链蒙特卡洛算法
  • 11.6 基因算法
  • 11.7 强化学习
  • 术语表
展开全部

评分及书评

评分不足
1个评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。