定 價(jià)：￥59.00
| 作 者： | （美）,馬修·柯克 |
| 出版社： | 機(jī)械工業(yè)出版社 |
| 叢編項(xiàng)： | |
| 標(biāo) 簽： | 暫缺 |
| ISBN： | 9787111581666 | 出版時(shí)間： | 2017-11-01 | 包裝： | |
| 開本： | 頁數(shù)： | 字?jǐn)?shù)： |
前言 1
\n第1章 5
\n可能近似正確的軟件 5
\n正確地編寫軟件 6
\n編寫正確的軟件 10
\n本書計(jì)劃 16
\n第2章 快速介紹機(jī)器學(xué)習(xí) 18
\n什么是機(jī)器學(xué)習(xí) 18
\n有監(jiān)督學(xué)習(xí) 18
\n無監(jiān)督學(xué)習(xí) 19
\n強(qiáng)化學(xué)習(xí) 20
\n機(jī)器學(xué)習(xí)能完成什么 20
\n本書中使用的數(shù)學(xué)符號(hào) 21
\n結(jié)論 22
\n第3章 K最近鄰算法 23
\n如何確定是否想購(gòu)買一棟房子 23
\n房子的價(jià)格究竟幾何 24
\n愉悅回歸 24
\n什么是鄰域 25
\nK最近鄰算法簡(jiǎn)介 26
\nK先生最近的鄰居 26
\n距離 27
\n維度災(zāi)難 33
\n如何選擇K 34
\n給西雅圖的房子估價(jià) 37
\n結(jié)論 43
\n第4章 樸素貝葉斯分類 44
\n通過貝葉斯定理來發(fā)現(xiàn)欺詐訂單 44
\n條件概率 45
\n概率符號(hào) 45
\n反向條件概率（又名貝葉斯定理） 47
\n樸素貝葉斯分類器 47
\n貝葉斯推理之樸素 48
\n偽計(jì)數(shù) 49
\n垃圾郵件過濾器 50
\n標(biāo)記化和上下文 55
\n結(jié)論 67
\n第5章 決策樹和隨機(jī)森林 68
\n蘑菇的細(xì)微差別 69
\n使用民間定理實(shí)現(xiàn)蘑菇分類 70
\n找到最佳切換點(diǎn) 71
\n修剪樹 74
\n結(jié)論 83
\n第6章 隱馬爾可夫模型 84
\n使用狀態(tài)機(jī)來跟蹤用戶行為 84
\n輸出/觀測(cè)隱含狀態(tài) 86
\n使用馬爾可夫假設(shè)化簡(jiǎn) 87
\n隱馬爾可夫模型 88
\n評(píng)估: 前向-后向算法 89
\n通過維特比算法解碼 93
\n學(xué)習(xí)問題 94
\n詞性標(biāo)注與布朗語庫 94
\n結(jié)論 105
\n第7章 支持向量機(jī) 106
\n客戶滿意度作為語言的函數(shù) 107
\nSVM背后的理論 108
\n情緒分析器 113
\n聚合情緒 124
\n將情緒映射到底線 126
\n結(jié)論 127
\n第8章 神經(jīng)網(wǎng)絡(luò) 128
\n什么是神經(jīng)網(wǎng)絡(luò) 129
\n神經(jīng)網(wǎng)絡(luò)史 129
\n布爾邏輯 129
\n感知器 130
\n如何構(gòu)建前饋神經(jīng)網(wǎng)絡(luò) 130
\n構(gòu)建神經(jīng)網(wǎng)絡(luò) 144
\n使用神經(jīng)網(wǎng)絡(luò)來對(duì)語言分類 145
\n結(jié)論 154
\n第9章 聚類 155
\n無任何偏差的研究數(shù)據(jù) 155
\n用戶群組 156
\n測(cè)試群集映射 157
\nK均值聚類 159
\n最大期望（EM）聚類 161
\n不可能性定理 163
\n案例：音樂歸類 164
\n結(jié)論 174
\n第10章 模型改進(jìn)與數(shù)據(jù)提取 175
\n辯論俱樂部 175
\n選擇更好的數(shù)據(jù) 176
\n最小冗余最大相關(guān)性的特征選擇 181
\n特征變換與矩陣分解 183
\n結(jié)論 189
\n第11章 將這些方法融合在一起：結(jié)論 191
\n機(jī)器學(xué)習(xí)算法回顧 191
\n如何使用這些信息來解決問題 193
\n下一步做什么 193
鄂公網(wǎng)安備 42010302001612號(hào) 