注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當(dāng)前位置: 首頁出版圖書科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)人工智能機(jī)器學(xué)習(xí)公式詳解(第2版)

機(jī)器學(xué)習(xí)公式詳解(第2版)

機(jī)器學(xué)習(xí)公式詳解(第2版)

定 價(jià):¥89.80

作 者: 謝文睿,秦州,賈彬彬 著
出版社: 人民郵電出版社
叢編項(xiàng):
標(biāo) 簽: 暫缺

ISBN: 9787115615725 出版時(shí)間: 2023-06-01 包裝: 平裝
開本: 20開 頁數(shù): 字?jǐn)?shù):  

內(nèi)容簡介

  周志華老師的《機(jī)器學(xué)習(xí)》(俗稱“西瓜書”)是機(jī)器學(xué)習(xí)領(lǐng)域的經(jīng)典入門教材之一。本書是《機(jī)器學(xué)習(xí)公式詳解》(俗稱“南瓜書”)的第2 版。相較于第1 版,本書對“西瓜書”中除了公式以外的重、難點(diǎn)內(nèi)容加以解析,以過來人視角給出學(xué)習(xí)建議,旨在對比較難理解的公式和重點(diǎn)內(nèi)容擴(kuò)充具體的例子說明,以及對跳步過大的公式補(bǔ)充具體的推導(dǎo)細(xì)節(jié)?!∪珪?6 章,與“西瓜書”章節(jié)、公式對應(yīng),每個(gè)公式的推導(dǎo)和解釋都以本科數(shù)學(xué)基礎(chǔ)的視角進(jìn)行講解,希望能夠幫助讀者快速掌握各個(gè)機(jī)器學(xué)習(xí)算法背后的數(shù)學(xué)原理?!”緯悸非逦?,視角獨(dú)特,結(jié)構(gòu)合理,可作為高等院校計(jì)算機(jī)及相關(guān)專業(yè)的本科生或研究生教材,也可供對機(jī)器學(xué)習(xí)感興趣的研究人員和工程技術(shù)人員閱讀參考

作者簡介

  謝文睿 北京工業(yè)大學(xué)碩士,Datawhale開源項(xiàng)目負(fù)責(zé)人,百度算法工程師,研究方向?yàn)闄C(jī)器學(xué)習(xí)與自然語言處理?!∏刂荨】的螤柎髮W(xué)計(jì)算機(jī)碩士,Datawhale成員,阿里巴巴算法專家,研究方向?yàn)閳D計(jì)算與自然語言處理, 在NeurIPS、AAAI、CIKM等會(huì)議上錄用多篇學(xué)術(shù)論文并獲得CIKM 2019最佳應(yīng)用論文獎(jiǎng)?!≠Z彬彬 工學(xué)博士,蘭州理工大學(xué)講師,研究方向?yàn)闄C(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘,在TKDE、TNNLS、PRJ、ICML、AAAI等期刊和會(huì)議上共發(fā)表學(xué)術(shù)論文十余篇,并擔(dān)任ICML、NeurIPS、ICLR、AAAI、IJCAI 等會(huì)議的程序委員會(huì)委員(PC Member)。

圖書目錄

序(王斌  小米AI 實(shí)驗(yàn)室主任、NLP 首席科學(xué)家)

前言

主要符號表

資源與支持

 

第1章 緒論   1

1.1 引言    1

1.2 基本術(shù)語  1

1.3 假設(shè)空間  5

1.4 歸納偏好  5

1.4.1 式(1.1) 和式(1.2) 的解釋 6


第2章 模型評估與選擇  8

2.1 經(jīng)驗(yàn)誤差與過擬合  8

2.2 評估方法  9

2.2.1 算法參數(shù)(超參數(shù))與模型參數(shù)  10

2.2.2 驗(yàn)證集  10

2.3 性能度量  11

2.3.1 式(2.2) ~ 式(2.7) 的解釋  11

2.3.2 式(2.8) 和式(2.9) 的解釋  11

2.3.3 圖2.3 的解釋  11

2.3.4 式(2.10) 的推導(dǎo)  11

2.3.5 式(2.11) 的解釋  12

2.3.6 式(2.12) ~ 式(2.17) 的解釋  13

2.3.7 式(2.18) 和式(2.19) 的解釋  13

2.3.8 式(2.20) 的推導(dǎo)  14

2.3.9 式(2.21) 和式(2.22) 的推導(dǎo)  16

2.3.10 式(2.23) 的解釋  18

2.3.11 式(2.24) 的解釋  19

2.3.12 式(2.25) 的解釋  20

2.4 比較檢驗(yàn)  22

2.4.1 式(2.26) 的解釋  22

2.4.2 式(2.27) 的推導(dǎo)  23

2.5 偏差與方差  26

2.5.1 式(2.37) ~ 式(2.42) 的推導(dǎo)  26

參考文獻(xiàn)  29


第3章 線性模型  30

3.1 基本形式  30

3.2 線性回歸  30

3.2.1 屬性數(shù)值化  30

3.2.2 式(3.4) 的解釋  31

3.2.3 式(3.5) 的推導(dǎo)  32

3.2.4 式(3.6) 的推導(dǎo)  32

3.2.5 式(3.7) 的推導(dǎo)  33

3.2.6 式(3.9) 的推導(dǎo)  35

3.2.7 式(3.10) 的推導(dǎo)  36

3.2.8 式(3.11) 的推導(dǎo)  36

3.3 對率回歸  39

3.3.1 式(3.27) 的推導(dǎo)  39

3.3.2 梯度下降法  41

3.3.3 牛頓法  42

3.3.4 式(3.29) 的解釋  44

3.3.5 式(3.30) 的推導(dǎo)  44

3.3.6 式(3.31) 的推導(dǎo)  45

3.4 線性判別分析 46

3.4.1 式(3.32) 的推導(dǎo)  46

3.4.2 式(3.37) ~ 式(3.39) 的推導(dǎo)  47

3.4.3 式(3.43) 的推導(dǎo)  48

3.4.4 式(3.44) 的推導(dǎo)  48

3.4.5 式(3.45) 的推導(dǎo)  49

3.5 多分類學(xué)習(xí)  52

3.5.1 圖3.5 的解釋  52

3.6 類別不平衡問題  52

參考文獻(xiàn)  52


第4章 決策樹  53

4.1 基本流程  53

4.2 劃分選擇  54

4.2.1 式(4.1) 的解釋  54

4.2.2 式(4.2) 的解釋  58

4.2.3 式(4.4) 的解釋  58

4.2.4 式(4.5) 的推導(dǎo)  59

4.2.5 式(4.6) 的解釋  59

4.3 剪枝處理  62

4.4 連續(xù)值與缺失值  63

4.4.1 式(4.7) 的解釋  63

4.4.2 式(4.8) 的解釋  64

4.4.3 式(4.12) 的解釋  64

4.5 多變量決策樹 64

4.5.1 圖4.10 的解釋  65

4.5.2 圖4.11 的解釋  65

參考文獻(xiàn)  66


第5章 神經(jīng)網(wǎng)絡(luò)  67

5.1 神經(jīng)元模型  67

5.2 感知機(jī)與多層網(wǎng)絡(luò)  67

5.2.1 式(5.1) 和式(5.2) 的推導(dǎo)  67

5.2.2 圖5.5 的解釋  70

5.3 誤差逆?zhèn)鞑ニ惴?nbsp; 70

5.3.1 式(5.10) 的推導(dǎo)  70

5.3.2 式(5.12) 的推導(dǎo)  70

5.3.3 式(5.13) 的推導(dǎo)  71

5.3.4 式(5.14) 的推導(dǎo)  72

5.3.5 式(5.15) 的推導(dǎo)  73

5.4 全局小與局部極小  73

5.5 其他常見神經(jīng)網(wǎng)絡(luò)  73

5.5.1 式(5.18) 的解釋  73

5.5.2 式(5.20) 的解釋  73

5.5.3 式(5.22) 的解釋  74

5.5.4 式(5.23) 的解釋  74

5.6 深度學(xué)習(xí)  74

5.6.1 什么是深度學(xué)習(xí)  75

5.6.2 深度學(xué)習(xí)的起源  75

5.6.3 怎么理解特征學(xué)習(xí) 75

參考文獻(xiàn)  75

 

第6章 支持向量機(jī)  77

6.1 間隔與支持向量  77

6.1.1 圖6.1 的解釋  77

6.1.2 式(6.1) 的解釋  77

6.1.3 式(6.2) 的推導(dǎo)  78

6.1.4 式(6.3) 的推導(dǎo)  78

6.1.5 式(6.4) 的推導(dǎo)  80

6.1.6 式(6.5) 的解釋  80

6.2 對偶問題  80

6.2.1 凸優(yōu)化問題  80

6.2.2 KKT 條件  80

6.2.3 拉格朗日對偶函數(shù) 81

6.2.4 拉格朗日對偶問題 82

6.2.5 式(6.9) 和式(6.10) 的推導(dǎo)  85

6.2.6 式(6.11) 的推導(dǎo)  85

6.2.7 式(6.13) 的解釋  86

6.3 核函數(shù)  87

6.3.1 式(6.22) 的解釋  87

6.4 軟間隔與正則化  87

6.4.1 式(6.35) 的推導(dǎo)  87

6.4.2 式(6.37) 和式(6.38) 的推導(dǎo)  87

6.4.3 式(6.39) 的推導(dǎo)  87

6.4.4 式(6.40) 的推導(dǎo)  88

6.4.5 對率回歸與支持向量機(jī)的關(guān)系  88

6.4.6 式(6.41) 的解釋  89

6.5 支持向量回歸 89

6.5.1 式(6.43) 的解釋  89

6.5.2 式(6.45) 的推導(dǎo)  90

6.5.3 式(6.52) 的推導(dǎo)  91

6.6 核方法  92

6.6.1 式(6.57) 和式(6.58) 的解釋  92

6.6.2 式(6.65) 的推導(dǎo)  92

6.6.3 式(6.66) 和式(6.67) 的解釋  93

6.6.4 式(6.70) 的推導(dǎo)  94

6.6.5 核對率回歸  98

參考文獻(xiàn)  99

 

第7章 貝葉斯分類器  100

7.1 貝葉斯決策論  100

7.1.1 式(7.5) 的推導(dǎo)  100

7.1.2 式(7.6) 的推導(dǎo)  100

7.1.3 判別式模型與生成式模型 100

7.2 極大似然估計(jì)  101

7.2.1 式(7.12) 和式(7.13) 的推導(dǎo)  101

7.3 樸素貝葉斯分類器  104

7.3.1 式(7.16) 和式(7.17) 的解釋  104

7.3.2 式(7.18) 的解釋  104

7.3.3 貝葉斯估計(jì)  105

7.3.4 Categorical 分布  105

7.3.5 Dirichlet 分布  106

7.3.6 式(7.19) 和式(7.20) 的推導(dǎo)  106

7.4 半樸素貝葉斯分類器 110

7.4.1 式(7.21) 的解釋  110

7.4.2 式(7.22) 的解釋  111

7.4.3 式(7.23) 的推導(dǎo)  111

7.4.4 式(7.24) 和式(7.25) 的推導(dǎo)  112

7.5 貝葉斯網(wǎng)  112

7.5.1 式(7.27) 的解釋  112

7.6 EM 算法  113

7.6.1 Jensen 不等式 113

7.6.2 EM 算法的推導(dǎo)  113

參考文獻(xiàn)  121

 

第8章 集成學(xué)習(xí)  122

8.1 個(gè)體與集成  123

8.1.1 式(8.1) 的解釋  123

8.1.2 式(8.2) 的解釋  123

8.1.3 式(8.3) 的推導(dǎo)  123

8.2 Boosting   124

8.2.1 式(8.4) 的解釋  125

8.2.2 式(8.5) 的解釋  125

8.2.3 式(8.6) 的推導(dǎo)  126

8.2.4 式(8.7) 的推導(dǎo)  126

8.2.5 式(8.8) 的推導(dǎo)  127

8.2.6 式(8.9) 的推導(dǎo)  127

8.2.7 式(8.10) 的解釋  128

8.2.8 式(8.11) 的推導(dǎo)  128

8.2.9 式(8.12) 的解釋  129

8.2.10 式(8.13) 的推導(dǎo)  129

8.2.11 式(8.14) 的推導(dǎo)  130

8.2.12 式(8.16) 的推導(dǎo)  131

8.2.13 式(8.17) 的推導(dǎo)  131

8.2.14 式(8.18) 的推導(dǎo)  132

8.2.15 式(8.19) 的推導(dǎo)  132

8.2.16 AdaBoost 的個(gè)人推導(dǎo)  133

8.2.17 進(jìn)一步理解權(quán)重更新公式 137

8.2.18 能夠接受帶權(quán)樣本的基學(xué)習(xí)算法  139

8.3 Bagging 與隨機(jī)森林  140

8.3.1 式(8.20) 的解釋  140

8.3.2 式(8.21) 的推導(dǎo)  140

8.3.3 隨機(jī)森林的解釋  141

8.4 結(jié)合策略  141

8.4.1 式(8.22) 的解釋  141

8.4.2 式(8.23) 的解釋  141

8.4.3 硬投票和軟投票的解釋  141

8.4.4 式(8.24) 的解釋  142

8.4.5 式(8.25) 的解釋  142

8.4.6 式(8.26) 的解釋  142

8.4.7 元學(xué)習(xí)器的解釋  142

8.4.8 Stacking 算法的解釋  143

8.5 多樣性  143

8.5.1 式(8.27) 的解釋  143

8.5.2 式(8.28) 的解釋  143

8.5.3 式(8.29) 的解釋  143

8.5.4 式(8.30) 的解釋  144

8.5.5 式(8.31) 的推導(dǎo)  144

8.5.6 式(8.32) 的解釋  144

8.5.7 式(8.33) 的解釋  145

8.5.8 式(8.34) 的解釋  145

8.5.9 式(8.35) 的解釋  145

8.5.10 式(8.36) 的解釋  145

8.5.11 式(8.40) 的解釋  145

8.5.12 式(8.41) 的解釋  146

8.5.13 式(8.42) 的解釋  146

8.5.14 多樣性增強(qiáng)的解釋  146

8.6 Gradient Boosting、GBDT、XGBoost的聯(lián)系與區(qū)別  147

8.6.1 從梯度下降的角度解釋AdaBoost   147

8.6.2 梯度提升  149

8.6.3 梯度提升樹(GBDT)   151

8.6.4 XGBoost   152

參考文獻(xiàn)  152

 

第9章 聚類  153

9.1 聚類任務(wù)  153

9.2 性能度量  153

9.2.1 式(9.5) 的解釋  153

9.2.2 式(9.6) 的解釋  155

9.2.3 式(9.7) 的解釋  155

9.2.4 式(9.8) 的解釋  156

9.2.5 式(9.12) 的解釋  156

9.3 距離計(jì)算  156

9.3.1 式(9.21) 的解釋  156

9.4 原型聚類  157

9.4.1 式(9.28) 的解釋  157

9.4.2 式(9.29) 的解釋  157

9.4.3 式(9.30) 的解釋  158

9.4.4 式(9.31) 的解釋  159

9.4.5 式(9.32) 的解釋  159

9.4.6 式(9.33) 的推導(dǎo)  160

9.4.7 式(9.34) 的推導(dǎo)  161

9.4.8 式(9.35) 的推導(dǎo)  162

9.4.9 式(9.36) 的解釋  164

9.4.10 式(9.37) 的推導(dǎo)  164

9.4.11 式(9.38) 的推導(dǎo)  165

9.4.12 圖9.6 的解釋  166

9.5 密度聚類  166

9.5.1 密度直達(dá)、密度可達(dá)與密度相連  167

9.5.2 圖9.9 的解釋  168

9.6 層次聚類  168

 

第10章 降維與度量學(xué)習(xí)  170

10.1 預(yù)備知識  170

10.1.1 符號約定  170

10.1.2 矩陣與單位陣、向量的乘法 170

10.2 矩陣的F 范數(shù)與跡  171

10.3 k 近鄰學(xué)習(xí)  173

10.3.1 式(10.1) 的解釋  173

10.3.2 式(10.2) 的推導(dǎo)  174

10.4 低維嵌入  175

10.4.1 圖10.2 的解釋  175

10.4.2 式(10.3) 的推導(dǎo)  175

10.4.3 式(10.4) 的推導(dǎo)  176

10.4.4 式(10.5) 的推導(dǎo)  177

10.4.5 式(10.6) 的推導(dǎo)  177

10.4.6 式(10.10) 的推導(dǎo)  178

10.4.7 式(10.11) 的解釋  179

10.4.8 圖10.3 關(guān)于MDS 算法的解釋 179

10.5 主成分分析 180

10.5.1 式(10.14) 的推導(dǎo)  180

10.5.2 式(10.16) 的解釋  184

10.5.3 式(10.17) 的推導(dǎo)  186

10.5.4 根據(jù)式(10.17) 求解式(10.16)   188

10.6 核化線性降維  188

10.6.1 式(10.19) 的解釋  189

10.6.2 式(10.20) 的解釋  189

10.6.3 式(10.21) 的解釋  190

10.6.4 式(10.22) 的解釋  190

10.6.5 式(10.24) 的推導(dǎo)  190

10.6.6 式(10.25) 的解釋  191

10.7 流形學(xué)習(xí)  191

10.7.1 等度量映射(Isomap) 的解釋  191

10.7.2 式(10.28) 的推導(dǎo)  192

10.7.3 式(10.31) 的推導(dǎo)  194

10.8 度量學(xué)習(xí)  196

10.8.1 式(10.34) 的解釋  196

10.8.2 式(10.35) 的解釋  197

10.8.3 式(10.36) 的解釋  197

10.8.4 式(10.37) 的解釋  198

10.8.5 式(10.38) 的解釋  198

10.8.6 式(10.39) 的解釋  198

參考文獻(xiàn)  199

 

第11章 特征選擇與稀疏學(xué)習(xí)  200

11.1 子集搜索與評價(jià)  200

11.1.1 式(11.1) 的解釋  200

11.1.2 式(11.2) 的解釋  200

11.2 過濾式選擇 201

11.3 包裹式選擇 201

11.4 嵌入式選擇與L1 正則化  202

11.4.1 式(11.5) 的解釋  202

11.4.2 式(11.6) 的解釋  202

11.4.3 式(11.7) 的解釋  203

11.4.4 式(11.8) 的解釋  203

11.4.5 式(11.9) 的解釋  203

11.4.6 式(11.10) 的推導(dǎo)  203

11.4.7 式(11.11) 的解釋  205

11.4.8 式(11.12) 的解釋  205

11.4.9 式(11.13) 的解釋  205

11.4.10 式(11.14) 的推導(dǎo)  205

11.5 稀疏表示與字典學(xué)習(xí)  208

11.5.1 式(11.15) 的解釋  208

11.5.2 式(11.16) 的解釋  208

11.5.3 式(11.17) 的推導(dǎo)  208

11.5.4 式(11.18) 的推導(dǎo)  208

11.6 壓縮感知  213

11.6.1 式(11.21) 的解釋  213

11.6.2 式(11.25) 的解釋  213

參考文獻(xiàn)  214

 

第12章 計(jì)算學(xué)習(xí)理論  215

12.1 基礎(chǔ)知識  215

12.1.1 式(12.1) 的解釋  216

12.1.2 式(12.2) 的解釋  216

12.1.3 式(12.3) 的解釋  216

12.1.4 式(12.4) 的解釋  216

12.1.5 式(12.5) 和式(12.6) 的解釋  216

12.1.6 式(12.7) 的解釋  217

12.2 PAC 學(xué)習(xí)  217

12.2.1 式(12.9) 的解釋  218

12.3 有限假設(shè)空間  218

12.3.1 式(12.10) 的解釋  219

12.3.2 式(12.11) 的解釋  219

12.3.3 式(12.12) 的推導(dǎo)  219

12.3.4 式(12.13) 的解釋  220

12.3.5 式(12.14) 的推導(dǎo)  220

12.3.6 引理12.1 的解釋  221

12.3.7 式(12.18) 的推導(dǎo)  221

12.3.8 式(12.19) 的推導(dǎo)  221

12.3.9 式(12.20) 的解釋  222

12.4 VC 維 223

12.4.1 式(12.21) 的解釋  223

12.4.2 式(12.22) 的解釋  223

12.4.3 式(12.23) 的解釋  224

12.4.4 引理12.2 的解釋  224

12.4.5 式(12.28) 的解釋  226

12.4.6 式(12.29) 的解釋  227

12.4.7 式(12.30) 的解釋  227

12.4.8 定理12.4 的解釋  228

12.5 Rademacher 復(fù)雜度  229

12.5.1 式(12.36) 的解釋  229

12.5.2 式(12.37) 的解釋  229

12.5.3 式(12.38) 的解釋  230

12.5.4 式(12.39) 的解釋  230

12.5.5 式(12.40) 的解釋  231

12.5.6 式(12.41) 的解釋  231

12.5.7 定理12.5 的解釋  231

12.6 定理12.6 的解釋  233

12.6.1 式(12.52) 的證明  235

12.6.2 式(12.53) 的推導(dǎo)  235

12.7 穩(wěn)定性  235

12.7.1 泛化損失/經(jīng)驗(yàn)損失/留一損失的解釋  236

12.7.2 式(12.57) 的解釋  236

12.7.3 定理12.8 的解釋  236

12.7.4 式(12.60) 的推導(dǎo)  237

12.7.5 經(jīng)驗(yàn)損失小化  237

12.7.6 定理12.9 的證明的解釋  237

參考文獻(xiàn)  238

 

第13章 半監(jiān)督學(xué)習(xí)  240

13.1 未標(biāo)記樣本 240

13.2 生成式方法 240

13.2.1 式(13.1) 的解釋  241

13.2.2 式(13.2) 的推導(dǎo)  241

13.2.3 式(13.3) 的推導(dǎo)  242

13.2.4 式(13.4) 的推導(dǎo)  242

13.2.5 式(13.5) 的解釋  242

13.2.6 式(13.6) 的解釋  243

13.2.7 式(13.7) 的解釋  244

13.2.8 式(13.8) 的解釋  246

13.3 半監(jiān)督SVM   248

13.3.1 圖13.3 的解釋  248

13.3.2 式(13.9) 的解釋  248

13.3.3 圖13.4 的解釋  248

13.3.4 式(13.10) 的解釋  250

13.4 圖半監(jiān)督學(xué)習(xí)  250

13.4.1 式(13.12) 的推導(dǎo)  251

13.4.2 式(13.13) 的推導(dǎo)  252

13.4.3 式(13.14) 的推導(dǎo)  253

13.4.4 式(13.15) 的推導(dǎo)  253

13.4.5 式(13.16) 的解釋  254

13.4.6 式(13.17) 的推導(dǎo)  254

13.4.7 式(13.18) 的解釋  254

13.4.8 式(13.20) 的解釋  254

13.4.9 式(13.21) 的推導(dǎo)  255

13.5 基于分歧的方法  259

13.5.1 圖13.6 的解釋  259

13.6 半監(jiān)督聚類 260

13.6.1 圖13.7 的解釋  260

13.6.2 圖13.9 的解釋  260

參考文獻(xiàn)  260

 

第14章 概率圖模型  261

14.1 隱馬爾可夫模型  261

14.1.1 生成式模型和判別式模型 261

14.1.2 式(14.1) 的推導(dǎo)  262

14.1.3 隱馬爾可夫模型的三組參數(shù) 263

14.2 馬爾可夫隨機(jī)場  263

14.2.1 式(14.2) 和式(14.3) 的解釋  263

14.2.2 式(14.4) ~ 式(14.7) 的推導(dǎo)  264

14.2.3 馬爾可夫毯  264

14.2.4 勢函數(shù)  265

14.2.5 式(14.8) 的解釋  265

14.2.6 式(14.9) 的解釋  265

14.3 條件隨機(jī)場 265

14.3.1 式(14.10) 的解釋  265

14.3.2 式(14.11) 的解釋  266

14.4 學(xué)習(xí)與推斷 266

14.4.1 式(14.14) 的推導(dǎo)  266

14.4.2 式(14.15) 和式(14.16) 的推導(dǎo)  266

14.4.3 式(14.17) 的解釋  267

14.4.4 式(14.18) 的推導(dǎo)  267

14.4.5 式(14.19) 的解釋  267

14.4.6 式(14.20) 的解釋  268

14.4.7 式(14.22) 的推導(dǎo)  268

14.4.8 圖14.8 的解釋  269

14.5 近似推斷  269

14.5.1 式(14.21) ~ 式(14.25) 的解釋  269

14.5.2 式(14.26) 的解釋  270

14.5.3 式(14.27) 的解釋  270

14.5.4 式(14.28) 的推導(dǎo)  270

14.5.5 吉布斯采樣與MH 算法  271

14.5.6 式(14.29) 的解釋  272

14.5.7 式(14.30) 的解釋  272

14.5.8 式(14.31) 的解釋  273

14.5.9 式(14.32) ~ 式(14.34) 的推導(dǎo)  273

14.5.10 式(14.35) 的解釋  274

14.5.11 式(14.36) 的推導(dǎo)  274

14.5.12 式(14.37) 和式(14.38) 的解釋  276

14.5.13 式(14.39) 的解釋  277

14.5.14 式(14.40) 的解釋  277

14.6 話題模型  278

14.6.1 式(14.41) 的解釋  278

14.6.2 式(14.42) 的解釋  279

14.6.3 式(14.43) 的解釋  279

14.6.4 式(14.44) 的解釋  279

參考文獻(xiàn)  279

 

第15章 規(guī)則學(xué)習(xí) 280

15.1 剪枝優(yōu)化  280

15.1.1 式(15.2) 和式(15.3) 的解釋  280

15.2 歸納邏輯程序設(shè)計(jì)  281

15.2.1 式(15.6) 的解釋  281

15.2.2 式(15.7) 的推導(dǎo)  281

15.2.3 式(15.9) 的推導(dǎo)  281

15.2.4 式(15.10) 的解釋  281

15.2.5 式(15.11) 的解釋  281

15.2.6 式(15.12) 的解釋  282

15.2.7 式(15.13) 的解釋  282

15.2.8 式(15.16) 的推導(dǎo)  282

 

第16章 強(qiáng)化學(xué)習(xí) 283

16.1 任務(wù)與獎(jiǎng)賞 283

16.2 K-搖臂賭博機(jī)  283

16.2.1 式(16.2) 和式(16.3) 的推導(dǎo)  283

16.2.2 式(16.4) 的解釋  283

16.3 有模型學(xué)習(xí) 284

16.3.1 式(16.7) 的解釋  284

16.3.2 式(16.8) 的推導(dǎo)  284

16.3.3 式(16.10) 的推導(dǎo)  285

16.3.4 式(16.14) 的解釋  285

16.3.5 式(16.15) 的解釋  285

16.3.6 式(16.16) 的推導(dǎo)  285

16.4 免模型學(xué)習(xí) 286

16.4.1 式(16.20) 的解釋  286

16.4.2 式(16.23) 的解釋  286

16.4.3 式(16.31) 的推導(dǎo)  286

16.5 值函數(shù)近似 287

16.5.1 式(16.33) 的解釋  287

16.5.2 式(16.34) 的推導(dǎo)  287

 

參考文獻(xiàn)  287


本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號