新書推薦：
《
帝国痼疾：殖民主义、奴隶制和战争如何改变医学
》
售價：HK$
79.2
《
理智与疯狂
》
售價：HK$
74.8
《
明代一条鞭法（精）--梁方仲著作集
》
售價：HK$
85.8
《
自我与本我：弗洛伊德经典心理学著作（精装典藏版）
》
售價：HK$
74.8
《
消费是什么 ： 关于消费主义的社会学研究（一本书告诉你为什么买买买之后也有巨大空虚感）
》
售價：HK$
64.9
《
人类简史系列（白金纪念版）（套装共4册）
》
售價：HK$
347.6
《
深度学习推荐系统2.0
》
售價：HK$
140.8
《
小欢喜2：南京爱情故事
》
售價：HK$
75.9
|
| 內容簡介： |
|
本书深入浅出地介绍了机器学习的基本原理与主要方法，以及必要的数学知识与程序设计方法。全书共有7章，分别讲解了机器学习的概念及应用、数学基础（导数与极值、向量与矩阵、概率统计、凸优化）、Python程序设计、线性回归及其程序实现、逻辑回归及多分类、分类与聚类、基于神经网络的机器学习。 本书可作为高等院校机器学习课程的教材，也可作为机器学习爱好者及从事相关工作的工程技术人员的参考书。
|
| 關於作者： |
|
姚普选，理学硕士，高级工程师。1978年3月参加工作。1995年从西安交通大学理学院调入该校电信学院，从事计算机基础课教学工作。1996年8月退休。主讲过计算机程序设计（C++、Delphi、Visual BASIC、C#、Python等）、软件开发技术基础、大学计算机基础、微机原理及接口技术、数据库（dBASE、Access、SQL Server等）、数据结构等多门计算机课程，其中前4门都是精品课程。
|
| 目錄：
|
|
目 录第1章 机器学习的概念及应用11.1 机器学习的发展与应用11.1.1 机器学习的发展历程11.1.2 机器学习的应用31.2 机器学习的概念41.2.1 机器学习的特点51.2.2 机器学习的要素61.2.3 机器学习系统的结构81.3 机器学习分类101.3.1 映射函数与样本101.3.2 监督学习111.3.3 无监督学习131.3.4 强化学习151.4 深度学习161.4.1 机器学习的困境161.4.2 深度学习机制17习题120第2章 数学基础212.1 导数与极值212.1.1 导数及求导法则212.1.2 函数的单调性、凹凸性与极值222.1.3 偏导数与梯度242.1.4 多元函数的极值252.2 向量与矩阵272.2.1 矩阵及其性质272.2.2 矩阵的基本运算292.2.3 向量组与线性相关性312.2.4 正交向量与相似矩阵342.3 概率统计362.3.1 随机事件与概率362.3.2 条件概率与贝叶斯公式372.3.3 随机变量的概率分布392.3.4 随机变量的数字特征432.3.5 中心极限定理452.3.6 极大似然估计462.4 凸优化48习题252第3章 Python程序设计563.1 Python程序的编辑与运行563.2 数据与表达式603.2.1 常量603.2.2 变量623.2.3 数据的输入输出633.2.4 常用函数653.2.5 运算符与表达式673.3 序列和字典693.3.1 字符串693.3.2 列表723.3.3 元组733.3.4 字典743.4 程序的控制结构763.4.1 分支语句763.4.2 while语句773.4.3 for语句783.4.4 用户自定义函数803.4.5 模块813.5 类和对象833.5.1 类的定义和使用833.5.2 面向对象程序设计方式863.5.3 类的继承性873.5.4 异常处理89习题391第4章 线性回归及其程序实现964.1 线性回归的概念964.1.1 线性回归的源流964.1.2 监督学习与线性回归974.2 线性回归模型994.2.1 一元线性回归模型994.2.2 多元线性回归模型1034.2.3 模型的泛化与优劣1064.3 数据拟合与可视化操作1084.3.1 NumPy多维数组操作1084.3.2 Matplotlib数据可视化操作1104.3.3 SciPy数据拟合操作1144.4 小二乘法线性回归程序1184.4.1 小二乘法与一元线性回归1184.4.2 一元线性回归程序1204.5 梯度下降法及其程序122习题4125第5章 逻辑回归及多分类1275.1 逻辑回归的概念与模型1275.1.1 Logistic函数1275.1.2 线性分类问题1295.1.3 逻辑回归模型1315.2 逻辑回归计算1345.2.1 逻辑回归模型的预测函数1345.2.2 逻辑回归模型的极大似然估计1355.2.3 逻辑回归模型的参数求解1365.3 逻辑回归与朴素贝叶斯分类1395.4 多分类策略1435.5 Softmax回归1455.5.1 广义线性模型1455.5.2 Softmax回归模型148习题5150第6章 分类与聚类1526.1 决策树1526.1.1 决策树与决策过程1526.1.2 信息熵与信息增益1546.1.3 决策树的构造1576.1.4 寻找分裂1626.1.5 决策树训练的主要问题及流程1656.2 支持向量机1676.2.1 支持向量机基本原理1676.2.2 支持向量机实现鸢尾花分类1716.3 聚类算法1736.3.1 距离计算与聚类评价1736.3.2 K-均值聚类算法175习题6177第7章 基于神经网络的机器学习1797.1 神经网络与人工神经网络1797.2 感知机1827.2.1 人工神经元与感知机1827.2.2 感知机训练算法1857.2.3 感知机训练实例1877.2.4 感知机训练与预测程序1897.2.5 线性可分性与多层感知机1907.3 BP算法1937.3.1 多层神经网络的结构1937.3.2 多层神经网络的参数调整1947.3.3 BP算法及评价1967.4 卷积的概念及运算1987.4.1 卷积的概念1997.4.2 二维互相关运算2017.4.3 二维卷积运算程序2047.5 卷积神经网络2057.5.1 卷积神经网络的特点2067.5.2 多通道卷积及常用卷积核2097.5.3 卷积神经网络的结构2137.6 卷积神经网络实例215习题7218附录A 机器学习名词中英文对照220参考文献230
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
