快樂機(jī)器學(xué)習(xí)

定　價(jià)：￥119.00

作　者：	王圣元著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

京東 (￥119.00)

ISBN：	9787121375903	出版時(shí)間：	2020-01-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：	356	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　學(xué)習(xí)并精通任何一門學(xué)科無外乎要經(jīng)過四個(gè)步驟：它是什么？它可行嗎？怎么學(xué)它？如何學(xué)好它？機(jī)器學(xué)習(xí)也不例外，《快樂機(jī)器學(xué)習(xí)》就以這四個(gè)步驟來介紹機(jī)器學(xué)習(xí)?！犊鞓窓C(jī)器學(xué)習(xí)》第1章介紹“機(jī)器學(xué)習(xí)是什么”，即從定義開始，詳細(xì)介紹機(jī)器學(xué)習(xí)涉及的知識(shí)、數(shù)據(jù)和性能度量。第2章介紹“機(jī)器學(xué)習(xí)可行嗎”，即介紹機(jī)器具備學(xué)習(xí)樣本以外的數(shù)據(jù)的能力。第3章介紹“機(jī)器學(xué)習(xí)怎么學(xué)”，即介紹機(jī)器如何選擇出*優(yōu)模型。作者在這3章的寫作上花費(fèi)的時(shí)間*多，光這3章的內(nèi)容就絕對(duì)會(huì)讓讀者有所收獲。第4~14章介紹“如何學(xué)好機(jī)器學(xué)習(xí)”，重點(diǎn)介紹機(jī)器學(xué)習(xí)的各類算法和調(diào)參技巧。第15 章介紹機(jī)器學(xué)習(xí)中的一些非常實(shí)用的經(jīng)驗(yàn)，包括學(xué)習(xí)策略、目標(biāo)設(shè)定、誤差分析和偏差與方差分析。作者寫作本書的目的是深入淺出介紹機(jī)器學(xué)習(xí)，使看似復(fù)雜、晦澀的專業(yè)知識(shí)變得通俗易懂，讓那些想入門的讀者感覺門檻沒有那么高，讓有基礎(chǔ)的讀者感覺內(nèi)容也很豐富。為了達(dá)到這兩個(gè)目的，本書用有趣的引言故事來激起讀者的閱讀興趣，用清晰的思維導(dǎo)圖來明晰結(jié)構(gòu)，用自畫圖表來增強(qiáng)美感，用公式推導(dǎo)來講透原理，達(dá)到趣、美、準(zhǔn)、全，讓每位讀者從本書中獲益，快樂地學(xué)習(xí)機(jī)器學(xué)習(xí)?！犊鞓窓C(jī)器學(xué)習(xí)》非常適合機(jī)器學(xué)習(xí)初學(xué)者、高校相關(guān)專業(yè)學(xué)生及有一定數(shù)學(xué)和統(tǒng)計(jì)學(xué)基礎(chǔ)的高中生學(xué)習(xí)。

作者簡(jiǎn)介

　　王圣元金融風(fēng)險(xiǎn)管理師；特許另類投資分析師。學(xué)習(xí)及工作經(jīng)歷：現(xiàn)任新加坡某金融咨詢公司總監(jiān)。擁有新加坡國(guó)立大學(xué)量化金融學(xué)士學(xué)位和金融數(shù)學(xué)碩士學(xué)位；在新加坡國(guó)立大學(xué)攻讀碩士學(xué)位期間，曾任金融數(shù)學(xué)課程的輔導(dǎo)老師，深受學(xué)生喜愛，在教課結(jié)束時(shí)被評(píng)為“優(yōu)秀輔導(dǎo)老師”。自我學(xué)習(xí)過程：獲得金融風(fēng)險(xiǎn)管理師（FRM）和特許另類投資分析師（CAIA）認(rèn)證，及 Coursera 頒發(fā)的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和TensorFlow實(shí)戰(zhàn)的認(rèn)證。平時(shí)堅(jiān)持寫作，是公眾號(hào)“王的機(jī)器”的主理人，其中分享了關(guān)于金融工程、機(jī)器學(xué)習(xí)和量化投資的高質(zhì)量文章。作者的信條是“Yearning for Learning， Leading by Reading， Distilling by Writing”（多學(xué)多讀多寫，終身渴望學(xué)習(xí)，通過讀書保持領(lǐng)先，通過寫作用心灌輸）。

圖書目錄

目錄
第1章機(jī)器學(xué)習(xí)是什么――機(jī)器學(xué)習(xí)定義 1
引言 2
1．1 數(shù)據(jù) 5
1．1．1 結(jié)構(gòu)型與非結(jié)構(gòu)型數(shù)據(jù) 5
1．1．2 原始數(shù)據(jù)與加工 7
1．1．3 樣本內(nèi)數(shù)據(jù)與樣本外數(shù)據(jù) 9
1．2 機(jī)器學(xué)習(xí)類別 9
1．2．1 有監(jiān)督學(xué)習(xí) 10
1．2．2 無監(jiān)督學(xué)習(xí) 10
1．2．3 半監(jiān)督學(xué)習(xí) 11
1．2．4 增強(qiáng)學(xué)習(xí) 11
1．2．5 深度學(xué)習(xí) 11
1．2．6 遷移學(xué)習(xí) 12
1．3 性能度量 12
1．3．1 誤差函數(shù) 13
1．3．2 回歸度量 14
1．3．3 分類度量 15
1．4 總結(jié) 19
參考資料 20
第2章機(jī)器學(xué)習(xí)可行嗎――計(jì)算學(xué)習(xí)理論 22
引言 23
2．1 基礎(chǔ)知識(shí) 25
2．1．1 二分類 25
2．1．2 對(duì)分 26
2．1．3 增長(zhǎng)函數(shù) 29
2．1．4 突破點(diǎn) 30
2．2 核心推導(dǎo) 31
2．2．1 機(jī)器學(xué)習(xí)可行條件 31
2．2．2 從已知推未知 33
2．2．3 從民意調(diào)查到機(jī)器學(xué)習(xí) 35
2．2．4 從單一到有限 36
2．2．5 從有限到無限 37
2．2．6 從無限到有限 38
2．3 結(jié)論應(yīng)用 39
2．3．1 VC 不等式 39
2．3．2 VC 維度 40
2．3．3 模型復(fù)雜度 40
2．3．4 樣本復(fù)雜度 41
2．4 總結(jié) 42
參考資料 43
技術(shù)附錄 43
第3章機(jī)器學(xué)習(xí)怎么學(xué)――模型評(píng)估選擇 47
引言 48
3．1 模型評(píng)估 52
3．2 訓(xùn)練誤差和測(cè)試誤差 52
3．2．1 訓(xùn)練誤差 52
3．2．2 真實(shí)誤差 54
3．2．3 測(cè)試誤差 57
3．2．4 學(xué)習(xí)理論 57
3．3 驗(yàn)證誤差和交叉驗(yàn)證誤差 60
3．3．1 驗(yàn)證誤差 60
3．3．2 交叉驗(yàn)證誤差 61
3．3．3 學(xué)習(xí)理論 62
3．4 誤差剖析 64
3．4．1 誤差來源 64
3．4．2 偏差―方差權(quán)衡 66
3．5 模型選擇 67
3．6 總結(jié) 70
參考資料 71
技術(shù)附錄 71
第4章線性回歸 73
引言 74
4．1 基礎(chǔ)知識(shí) 75
4．1．1 標(biāo)量微積分 75
4．1．2 向量微積分 76
4．2 模型介紹 77
4．2．1 核心問題 77
4．2．2 通用線性回歸模型 83
4．2．3 特征縮放 84
4．2．4 學(xué)習(xí)率設(shè)定 86
4．2．5 數(shù)值算法比較 87
4．2．6 代碼實(shí)現(xiàn) 89
4．3 總結(jié) 90
參考資料 90
第5章對(duì)率回歸 92
引言 93
5．1 基礎(chǔ)內(nèi)容 94
5．1．1 聯(lián)系函數(shù) 94
5．1．2 函數(shù)繪圖 95
5．2 模型介紹 96
5．2．1 核心問題 96
5．2．2 查準(zhǔn)和查全 102
5．2．3 類別不平衡 104
5．2．4 線性不可分 105
5．2．5 多分類問題 106
5．2．6 代碼實(shí)現(xiàn) 109
5．3 總結(jié) 110
參考資料 111
第6章正則化回歸 112
引言 113
6．1 基礎(chǔ)知識(shí) 114
6．1．1 等值線圖 114
6．1．2 坐標(biāo)下降 116
6．2 模型介紹 116
6．2．1 核心問題 116
6．2．2 模型對(duì)比 122
6．2．3 最佳模型 125
6．2．4 代碼實(shí)現(xiàn) 126
6．3 總結(jié) 126
參考資料 127
第7章支持向量機(jī) 128
引言 129
7．1 基礎(chǔ)知識(shí) 133
7．1．1 向量初體驗(yàn) 133
7．1．2 拉格朗日量 136
7．1．3 原始和對(duì)偶 137
7．2 模型介紹 138
7．2．1 硬間隔 SVM 原始問題 138
7．2．2 硬間隔 SVM 對(duì)偶問題 144
7．2．3 軟間隔 SVM 原始問題 148
7．2．4 軟間隔 SVM 對(duì)偶問題 150
7．2．5 空間轉(zhuǎn)換 151
7．2．6 核技巧 155
7．2．7 核 SVM 158
7．2．8 SMO 算法 159
7．2．9 模型選擇 161
7．3 總結(jié) 162
參考資料 164
技術(shù)附錄 164
第8章樸素貝葉斯 170
引言 171
8．1 基礎(chǔ)知識(shí) 174
8．1．1 兩種概率學(xué)派 174
8．1．2 兩種獨(dú)立類別 174
8．1．3 兩種學(xué)習(xí)算法 175
8．1．4 兩種估計(jì)方法 176
8．1．5 兩類概率分布 177
8．2 模型介紹 179
8．2．1 問題剖析 179
8．2．2 樸素貝葉斯算法 182
8．2．3 多元伯努利模型 183
8．2．4 多項(xiàng)事件模型 184
8．2．5 高斯判別分析模型 184
8．2．6 多分類問題 186
8．2．7 拉普拉斯校正 187
8．2．8 最大似然估計(jì)和最大后驗(yàn)估計(jì) 188
8．3 總結(jié) 190
參考資料 191
技術(shù)附錄 191
第9章決策樹 195
引言 196
9．1 基礎(chǔ)知識(shí) 198
9．1．1 多數(shù)規(guī)則 198
9．1．2 熵和條件熵 198
9．1．3 信息增益和信息增益比 200
9．1．4 基尼指數(shù) 201
9．2 模型介紹 201
9．2．1 二分類決策樹 201
9．2．2 多分類決策樹 209
9．2．3 連續(xù)值分裂 210
9．2．4 欠擬合和過擬合 211
9．2．5 預(yù)修剪和后修剪 212
9．2．6 數(shù)據(jù)缺失 215
9．2．7 代碼實(shí)現(xiàn) 218
9．3 總結(jié) 219
參考資料 219
第10章人工神經(jīng)網(wǎng)絡(luò) 220
引言 221
10．1 基本知識(shí) 223
10．1．1 轉(zhuǎn)換函數(shù) 223
10．1．2 單輸入單層單輸出神經(jīng)網(wǎng)絡(luò) 224
10．1．3 多輸入單層單輸出神經(jīng)網(wǎng)絡(luò) 224
10．1．4 多輸入單層多輸出神經(jīng)網(wǎng)絡(luò) 225
10．1．5 多輸入多層多輸出神經(jīng)網(wǎng)絡(luò) 225
10．2 模型應(yīng)用 227
10．2．1 創(chuàng)建神經(jīng)網(wǎng)絡(luò)模型 227
10．2．2 回歸應(yīng)用 230
10．2．3 分類應(yīng)用 238
第11章正向/反向傳播 246
引言 247
11．1 基礎(chǔ)知識(shí) 250
11．1．1 神經(jīng)網(wǎng)絡(luò)元素 250
11．1．2 鏈?zhǔn)椒▌t 254
11．2 算法介紹 254
11．2．1 正向傳播 254
11．2．2 梯度下降 257
11．2．3 反向傳播 258
11．2．4 代碼實(shí)現(xiàn) 262
11．3 總結(jié) 268
參考資料 268
技術(shù)附錄 269
第12章集成學(xué)習(xí) 272
引言 273
12．1 結(jié)合假設(shè) 277
12．1．1 語(yǔ)文和數(shù)學(xué) 277
12．1．2 準(zhǔn)確和多樣 278
12．1．3 獨(dú)裁和民主 279
12．1．4 學(xué)習(xí)并結(jié)合 279
12．2 裝袋法 280
12．2．1 基本概念 280
12．2．2 自助采樣 280
12．2．3 結(jié)合假設(shè) 281
12．3 提升法 282
12．3．1 基本概念 282
12．3．2 最優(yōu)加權(quán) 283
12．3．3 結(jié)合假設(shè) 285
12．4 集成方式 286
12．4．1 同質(zhì)學(xué)習(xí)器 286
12．4．2 異質(zhì)學(xué)習(xí)器 286
12．5 總結(jié) 288
參考資料 288
第13章隨機(jī)森林和提升樹 289
引言 290
13．1 基礎(chǔ)知識(shí) 293
13．1．1 分類回歸樹 293
13．1．2 前向分布算法 294
13．1．3 置換檢驗(yàn) 295
13．2 模型介紹 296
13．2．1 隨機(jī)森林 296
13．2．2 提升樹 302
13．2．3 代碼實(shí)現(xiàn) 306
13．3 總結(jié) 307
參考資料 307
第14章極度梯度提升 309
引言 310
14．1 基礎(chǔ)知識(shí) 311
14．1．1 樹的重定義 311
14．1．2 樹的復(fù)雜度 313
14．2 模型介紹 313
14．2．1 XGB 簡(jiǎn)介 313
14．2．2 XGB 的泛化度 314
14．2．3 XGB 的精確度 315
14．2．4 XGB 的速度 318
14．2．5 代碼實(shí)現(xiàn) 324
14．3 總結(jié) 325
參考資料 326
第15章本書總結(jié) 327
15．1 正交策略 328
15．2 單值評(píng)估指標(biāo) 330
15．3 偏差和方差 332
15．3．1 理論定義 332
15．3．2 實(shí)用定義 334
15．3．3 最優(yōu)誤差 335
15．3．4 兩者權(quán)衡 336
15．3．5 學(xué)習(xí)曲線 336
結(jié)語(yǔ) 339