机器学习:理论、实践与提高
0推荐 收藏
663阅读
图灵程序设计丛书

机器学习:理论、实践与提高

[法] Massih-Reza Amini (作者) 许鹏 (译者)
上市销售
本书是机器学习理论与算法的参考书目,从监督、半监督学习的基础理论开始,本书采用简单、流行的C语言,逐步介绍了最常见、最先进的理论概念、算法与实践案例,呈现了相应的经典算法和编程要点,满足读者希望了解机器学习运作模式的根本需求。

纸质书25日起暂停发货

因库房年中盘点,25日15点后的纸书订单,5月2日后才会发货。

出版信息

  • 书  名机器学习:理论、实践与提高
  • 系列书名图灵程序设计丛书
  • 执行编辑关于本书的内容有任何问题,请联系 戴童
  • 出版日期2018-04-17
  • 书  号978-7-115-47965-5
  • 定  价59.00 元
  • 页  数220
  • 印刷方式单色
  • 开  本16开
  • 出版状态上市销售
  • 原书名Apprentissage machine : de la théorie à la pratique
  • 原书号9782212138009

同系列书

  • HTTP权威指南

    David Gourley   Brian Totty   Marjorie Sayer   Sailu Reddy   Anshu Aggarwal   陈涓   赵振平   译

    本书是HTTP及其相关核心Web技术方面的权威著作,主要介绍了Web应用程序是如何工作的,核心的因特网协议如何...

  • JavaScript高级程序设计(第3版)

    Nicholas C.Zakas   李松峰   曹力   译

    本书是JavaScript超级畅销书的新版。ECMAScript 5 和HTML5在标准之争中双双胜出,使大量...

  • 计算机科学的基础

    Al Aho   Jeff Ullman   傅尔也   译

    本书全面而详细地阐述了计算机科学的理论基础,从抽象概念的机械化到各种数据模型的建立,用算法、数据抽象等核心思想...

  • Java技术手册(第6版)

    Benjamin J Evans   David Flanagan   安道   译

    通过学习本书,你将能够: 掌握最新的语言细节,包括Java 8的变化 使用基本的Java句法学习面向对...

  • 机器学习实战

    Peter Harrington   李锐   李鹏   曲亚东   王斌   译

    机器学习是人工智能研究领域中一个极其重要的研究方向,在现今的大数据时代背景下,捕获数据并从中萃取有价值的信息或...

本书特色

机器学习数学和理论知识必读书目
讲解丰富案例,分析实践经验,阐释核心算法
教学与实践结合,适合专业人士提高机器算法技能
机器学习专家Francis Bach作序

目录

目录
第 1 章 机器学习理论简述 1
1 1 经验误差最小化 2
1 1 1 假设与定义 2
1 1 2 原理陈述 4
1 2 经验风险最小化原理的一致性 4
1 2 1 在测试集上估计泛化误差 6
1 2 2 泛化误差的一致边界 7
1 2 3 结构风险最小化 15
1 3 依赖于数据的泛化误差界 17
1 3 1 Rademacher 复杂度 17
1 3 2 Rademacher 复杂度和 VC 维的联系 17
1 3 3 利用 Rademacher 复杂度获取泛化界的步骤 19
1 3 4 Rademacher 复杂度的性质 23
第 2 章 无约束凸优化算法 26
2 1 梯度法 29
2 1 1 批处理模式 29
2 1 2 在线模式 31
2 2 拟牛顿法 32
2 2 1 牛顿方向 32
2 2 2 Broyden-Fletcher-Goldfarb-Shanno 公式 33
2 3 线搜索 36
2 3 1 Wolfe 条件 37
2 3 2 基于回溯策略的线搜索 41
2 4 共轭梯度法 43
2 4 1 共轭方向 43
2 4 2 共轭梯度算法 46
第 3 章 二类分类 48
3 1 感知机 48
3 1 1 感知机的收敛性定理 51
3 1 2 带间隔感知机及其与经验风险最小化原理的联系 53
3 2 Adaline 54
3 2 1 与线性回归和经验风险最小化原理的联系 54
3 3 Logistic 回归 56
3 3 1 与经验风险最小化原理的联系 57
3 4 支持向量机 58
3 4 1 硬间隔 58
3 4 2 软间隔 63
3 4 3 基于间隔的泛化误差界 66
3 5 AdaBoost 68
3 5 1 与经验风险最小化原理的联系 70
3 5 2 拒绝法抽样 72
3 5 3 理论研究 73
第 4 章 多类分类 76
4 1 形式表述 76
4 1 1 分类误差 77
4 1 2 泛化误差界 77
4 2 单一法 80
4 2 1 多类支持向量机 80
4 2 2 多类 AdaBoost 84
4 2 3 多层感知机 87
4 3 组合二类分类算法的模型 91
4 3 1 一对全 91
4 3 2 一对一 92
4 3 3 纠错码 93
第 5 章 半监督学习 95
5 1 无监督框架和基本假设 95
5 1 1 混合密度模型 96
5 1 2 估计混合参数 96
5 1 3 半监督学习的基本假设 102
5 2 生成法 104
5 2 1 似然准则在半监督学习情形的推广 104
5 2 2 半监督 CEM 算法 105
5 2 3 应用:朴素贝叶斯分类器的半监督学习 106
5 3 判别法 108
5 3 1 自训练算法 109
5 3 2 转导支持向量机 111
5 3 3 贝叶斯分类器误差的转导界 113
5 3 4 基于伪标注的多视角学习 116
5 4 图法 118
5 4 1 标注的传播 119
5 4 2 马尔可夫随机游动 121
第 6 章 排序学习 123
6 1 形式表述 123
6 1 1 排序误差函数 124
6 1 2 样例排序 127
6 1 3 备择排序 128
6 2 方法 130
6 2 1 单点法 130
6 2 2 成对法 135
6 3 互相关数据的学习 144
6 3 1 测试界 146
6 3 2 泛化界 146
6 3 3 一些具体例子中的界的估计 151
附录 回顾和补充 155
附录 A 概率论回顾 156
A 1 概率测度 156
A 1 1 可概率化空间 156
A 1 2 概率空间 157
A 2 条件概率 158
A 2 1 贝叶斯公式 158
A 2 2 独立性 159
A 3 实随机变量 159
A 3 1 分布函数 160
A 3 2 随机变量的期望和方差 161
A 3 3 集中不等式 162
附录 B 程序代码 166
B 1 数据结构 166
B 1 1 数据集 166
B 1 2 超参数结构 167
B 2 稀疏表示 168
B 3 程序运行 170
B 4 代码 172
B 4 1 BGFS 算法( 2 2 2 节) 172
B 4 2 线搜索( 2 3 节) 175
B 4 3 共轭梯度法( 2 4 节) 178
B 4 4 感知机( 3 1 节) 180
B 4 5 Adaline 算法( 3 2 节) 181
B 4 6 Logistic 回归( 3 3 节) 182
B 4 7 AdaBoost 算法( 3 5 节) 184
B 4 8 AdaBoost M2 算法( 4 2 2 节) 188
B 4 9 多层感知机( 4 2 3 节) 192
B 4 10 K- 均值算法( 5 1 2 节) 195
B 4 11 半监督朴素贝叶斯( 5 2 3 节) 197
B 4 12 自学习( 5 3 1 节) 201
B 4 13 一次性自学习( 5 3 1 节) 204
B 4 14 PRank 算法( 6 2 1 节) 205
B 4 15 RankBoost 算法( 6 2 2 节) 207
参考文献 211

作者介绍

Massih-Reza Amini,法国格勒诺布尔大学计算机科学教授,研究领域统计机器学习的全新框架与模板。
Francis Bach为本书作序,他是SIERRA项目负责人,专注于图形建模、稀疏法、模型核方法、凸优化、信号处理等。
暂无评论!