機(jī)器學(xué)習(xí)導(dǎo)論

定　價(jià)：￥79.00

作　者：	[美] 米羅斯拉夫·庫(kù)巴特著；王勇，仲國(guó)強(qiáng)，孫鑫譯
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	計(jì)算機(jī)/網(wǎng)絡(luò) 人工智能

購(gòu)買這本書(shū)可以去

ISBN：	9787111548683	出版時(shí)間：	2016-11-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	309	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　這本書(shū)通過(guò)給出易操作的實(shí)踐指導(dǎo)、采用簡(jiǎn)單的例子、激勵(lì)學(xué)生討論有趣的應(yīng)用問(wèn)題，用一種易于理解的方式介紹了機(jī)器學(xué)習(xí)的基本思想。本書(shū)主題包括貝葉斯分類器、近鄰分類器、線性和多項(xiàng)式分類器、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)以及支持向量機(jī)。后面的章節(jié)展示了如何把這些簡(jiǎn)單工具通過(guò)“提升”（boosting）的方式結(jié)合起來(lái)，怎樣將它們應(yīng)用于更加復(fù)雜的領(lǐng)域，以及如何處理各種高級(jí)的實(shí)踐問(wèn)題。其中有一章介紹了廣為人知的遺傳算法。

作者簡(jiǎn)介

　　米羅斯拉夫·庫(kù)巴特，美國(guó)邁阿密大學(xué)教授，從事機(jī)器學(xué)習(xí)教學(xué)和研究超過(guò)25年。他已發(fā)表100余篇經(jīng)過(guò)同行評(píng)審的論文，與人合編了兩本著作，是近60個(gè)會(huì)議和研討會(huì)的程序委員會(huì)委員，并擔(dān)任3本學(xué)術(shù)刊物的編委。他在兩個(gè)方面的前沿研究上得到了廣泛贊譽(yù)：時(shí)變概念的歸納學(xué)習(xí)和在非平衡訓(xùn)練集上的學(xué)習(xí)。此外，在多標(biāo)簽樣例上的歸納學(xué)習(xí)、層次組織的類別上的歸納學(xué)習(xí)、遺傳算法、神經(jīng)網(wǎng)絡(luò)的初始化等問(wèn)題上，他也做出了很多貢獻(xiàn)。

圖書(shū)目錄

推薦序
前言
第1章一個(gè)簡(jiǎn)單的機(jī)器學(xué)習(xí)任務(wù)//
1.1訓(xùn)練集和分類器//
1.2一點(diǎn)題外話：爬山搜索//
1.3機(jī)器學(xué)習(xí)中的爬山法//
1.4分類器的性能//
1.5可用數(shù)據(jù)的困難//
1.6總結(jié)和歷史簡(jiǎn)評(píng)//
1.7鞏固你的知識(shí)//
第2章概率：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稀少事件的概率：利用專家的直覺(jué)//
2.4如何處理連續(xù)屬性//
2.5高斯鐘形函數(shù)：一個(gè)標(biāo)準(zhǔn)的概率密度函數(shù)//
2.6用高斯函數(shù)的集合近似概率密度函數(shù)//
2.7總結(jié)和歷史簡(jiǎn)評(píng)//
2.8鞏固你的知識(shí)//
第3章相似性：最近鄰分類器//
3.1k近鄰法則//
3.2度量相似性//
3.3不相關(guān)屬性與尺度縮放問(wèn)題//
3.4性能方面的考慮//
3.5加權(quán)最近鄰//
3.6移除危險(xiǎn)的樣例//
3.7移除多余的樣例//
3.8總結(jié)和歷史簡(jiǎn)評(píng)//
3.9鞏固你的知識(shí)//
第4章類間邊界：線性和多項(xiàng)式分類器//
4.1本質(zhì)//
4.2加法規(guī)則：感知機(jī)學(xué)習(xí)//
4.3乘法規(guī)則：WINNOW//
4.4多于兩個(gè)類的域//
4.5多項(xiàng)式分類器//
4.6多項(xiàng)式分類器的特殊方面//
4.7數(shù)值域和支持向量機(jī)//
4.8總結(jié)和歷史簡(jiǎn)評(píng)//
4.9鞏固你的知識(shí)//
第5章人工神經(jīng)網(wǎng)絡(luò)//
5.1作為分類器的多層感知機(jī)//
5.2神經(jīng)網(wǎng)絡(luò)的誤差//
5.3誤差的反向傳播//
5.4多層感知機(jī)的特殊方面//
5.5結(jié)構(gòu)問(wèn)題//
5.6徑向基函數(shù)網(wǎng)絡(luò)//
5.7總結(jié)和歷史簡(jiǎn)評(píng)//
5.8鞏固你的知識(shí)//
第6章決策樹(shù)//
6.1作為分類器的決策樹(shù)//
6.2決策樹(shù)的歸納學(xué)習(xí)//
6.3一個(gè)屬性承載了多少信息//
6.4數(shù)值屬性的二元?jiǎng)澐?/
6.5剪枝//
6.6將決策樹(shù)轉(zhuǎn)換為規(guī)則//
6.7總結(jié)和歷史簡(jiǎn)評(píng)//
6.8鞏固你的知識(shí)//
第7章計(jì)算學(xué)習(xí)理論//
7.1PAC 學(xué)習(xí)//
7.2PAC可學(xué)習(xí)性的實(shí)例//
7.3一些實(shí)踐和理論結(jié)果//
7.4VC維與可學(xué)習(xí)性//
7.5總結(jié)和歷史簡(jiǎn)評(píng)//
7.6鞏固你的知識(shí)//
第8章幾個(gè)有幫助的案例//
8.1字符識(shí)別//
8.2溢油檢測(cè)//
8.3睡眠分類//
8.4腦機(jī)界面//
8.5醫(yī)療診斷//
8.6文本分類//
8.7總結(jié)和歷史簡(jiǎn)評(píng)//
8.8鞏固你的知識(shí)//
第9章投票組合簡(jiǎn)介//
9.1“裝袋”方法(Bagging)//
9.2夏皮爾提升(Schapires Boosting)//
9.3Adaboost——Boosting的實(shí)用版本//
9.4Boosting方法的變種//
9.5Boosting方法的計(jì)算優(yōu)勢(shì)//
9.6總結(jié)和歷史簡(jiǎn)評(píng)//
9.7鞏固你的知識(shí)//
第10章了解一些實(shí)踐知識(shí)//
10.1學(xué)習(xí)器的偏好//
10.2不平衡訓(xùn)練集//
10.3語(yǔ)境相關(guān)域//
10.4未知屬性值//
10.5屬性選擇//
10.6雜項(xiàng)//
10.7總結(jié)和歷史簡(jiǎn)評(píng)//
10.8鞏固你的知識(shí)//
第11章性能評(píng)估//
11.1基本性能標(biāo)準(zhǔn)//
11.2精度和查全率//
11.3測(cè)量性能的其他方法//
11.4多標(biāo)簽域內(nèi)的性能//
11.5學(xué)習(xí)曲線和計(jì)算開(kāi)銷//
11.6實(shí)驗(yàn)評(píng)估的方法//
11.7總結(jié)和歷史簡(jiǎn)評(píng)//
11.8鞏固你的知識(shí)//
第12章統(tǒng)計(jì)顯著性//
12.1總體抽樣//
12.2從正態(tài)分布中獲益//
12.3置信區(qū)間//
12.4一個(gè)分類器的統(tǒng)計(jì)評(píng)價(jià)//
12.5另外一種統(tǒng)計(jì)評(píng)價(jià)//
12.6機(jī)器學(xué)習(xí)技術(shù)的比較//
12.7總結(jié)和歷史簡(jiǎn)評(píng)//
12.8鞏固你的知識(shí)//
第13章遺傳算法//
13.1基本遺傳算法//
13.2單個(gè)模塊的實(shí)現(xiàn)//
13.3為什么能起作用//
13.4過(guò)早退化的危險(xiǎn)//
13.5其他遺傳算子//
13.6高級(jí)版本//
13.7k-NN 分類器的選擇//
13.8總結(jié)和歷史簡(jiǎn)評(píng)//
13.9鞏固你的知識(shí)//
第14章增強(qiáng)學(xué)習(xí)//
14.1如何選出最高獎(jiǎng)勵(lì)的動(dòng)作//
14.2游戲的狀態(tài)和動(dòng)作//
14.3SARSA方法//
14.4總結(jié)和歷史簡(jiǎn)評(píng)//
14.5鞏固你的知識(shí)//
參考文獻(xiàn)//