| |
| |
| |
内容简介
编辑推荐：计算机科学丛书。 本书展示了机器学习中核心的算法和理论，并阐明了算法的运行过程。本书综合了许多的研究成果，例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等，并以此来理解问题的背景、算法和其中的隐含假定。本书可作为计算机专业本科生、研究生教材，也可作为相关领域研究人员、教师的参考书。
| |
|
顾客评论
|
|
目录
目 录 第1章 引言 1. 1 学习问题的标准描述 1. 2 设计-个学习系统 1. 2. 1 选择训练经验 1. 2. 2 选择目标函数 1. 2. 3 选择目标函数的表示 1. 2. 4 选择函数逼近算法 1. 2. 5 最终设计 1. 3 机器学习的一些观点和问题 1. 4 如何阅读本书 1. 5 小结和补充读物 习题 第2章 概念学习和一般到特殊序 2. 1 简介 2. 2 概念学习任务 2. 2. 1 术语定义 2. 2. 2 归纳学习假设 2. 3 作为搜索的概念学习 2. 4 FIND-S：寻找极大特殊假设 2. 5 变型空间和候选消除算法 2. 5. 1 表示 2. 5. 2 列表后消除算法 2. 5. 3 变型空间的更简洁表示 2. 5. 4 候选消除学习算法 2. 5. 5 算法的举例 2. 6 关于变型空间和候选消除的说明 2. 6. 1 候选消除算法是否会收敛到正确的假设 2. 6. 2 下一步需要什么样的训练样例 2. 6. 3 怎样使用不完全学习概念 2. 7 归纳偏置 2. 7. 1 -个有偏的假设空间 2. 7. 2 无偏的学习器 2. 7. 3 无偏学习的无用性 2. 8 小始和补充读物 习题 第3章 决策树学习 3. 1 简介 3. 2 决策树表示法 3. 3 决策树学习的适用问题 3. 4 基本的决策树学习算法 3. 4. 1 哪个属性是最佳的分类属性 3. 4. 2 举例 3. 5 决策树学习中的假设空间搜索 3. 6 决策树学习的归纳偏置 3. 6. 1 限定偏置和优选偏置 3. 6. 2 为什么短的假设优先 3. 7 决策树学习的常见问题 3. 7. 1 避免过度拟合数据 3. 7. 2 合并连续值属性 3. 7. 3 属性选择的其他度量标准 3. 7. 4 处理缺少属性值的训练样例 3. 7. 5 处理不同代价的属性 3. 8 小结和补充读物 习题 第4章 人工神经网络 4. 1 简介 4. 2 神经网络表示 4. 3 适合神经网络学习的问题 4. 4 感知器 4. 4. 1 感知器的表征能力 4. 4. 2 感知器训练法则 4. 4. 3 梯度下降和delta法则 4. 4. 4 小结 4. 5 多层网络和反向传播算法 4. 5. 1 可微阈值单元 4. 5. 2 反向传播算法 4. 5. 3 反向传播法则的推导 4. 6 反向传播算法的说明 4. 6. 1 收敛性和局部极小值 4. 6. 2 前馈网络的表征能力 4. 6. 3 假设空间搜索和归纳偏置 4. 6. 4 隐藏层表示 4. 6. 5 泛化. 过度拟合和停止判据 4. 7 举例：人脸识别 4. 7. 1 任务 4. 7. 2 设计要素 4. 7. 3 学习到的隐藏层表示 4. 8 人工神经网络的高级课题 4. 8. 1 其他可选的误差函数 4. 8. 2 其他可选的误差最小化过程 4. 8. 3 递归网络 4. 8. 4 动态修改网络结构 4. 9 小结和补充读物 习题 第5章 评估假设 5. 1 动机 5. 2 估计假设精度 5. 2. 1 样本错误率和真实错误率 5. 2. 2 离散值假设的置信区间 5. 3 采样理论基础 5. 3. 1 错误率估计和二项比例估计 5. 3. 2 二项分布 5. 3. 3 均值和方差 5. 3. 4 估计量. 偏差和方差 5. 3. 5 置信区间 5. 3. 6 双侧和单侧边界 5. 4 推导置信区间的一般方法 5. 5 两个假设错误率间的差异 5. 6 学习算法比较 5. 6. 1 配对t测试 5. 6. 2 实际考虑 5. 7 小结和补充读物 习题 第6章 贝叶斯学习 6. 1 简介 6. 2 贝叶斯法则 6. 3 贝叶斯法则和概念学习 6. 3. 1 BRUTE-FORCE贝叶斯概念学习 6. 3. 2 MAP假设和一致学习器 6. 4 极大似然和最小误差平方假设 6. 5 用于预测概率的极大似然假设 6. 6 最小描述长度准则 6. 7 贝叶斯最优分类器 6. 8 GIBBS算法 6. 9 朴素贝叶斯分类器 6. 10 举例：学习分类文本 6. 11 贝叶斯信念网 6. 11. 1 条件独立性 6. 11. 2 表示 6. 11. 3 推理 6. 11. 4 学习贝叶斯信念网 6. 11. 5 贝叶斯网的梯度上升训练 6. 11. 6 学习贝叶斯网的结构 6. 12 EM算法 6. 12. 1 估计k个高斯分布的均值 6. 12. 2 EM算法的一般表述 6. 12. 3 k均值算法的推导 6. 13 小结和补充读物 习题 第7章 计算学习理论 7. 1 简介 7. 2 可能学习近似正确假设 7. 2. 1 问题框架 7. 2. 2 假设的错误率 7. 2. 3 PAC可学习性 7. 3 有限假设空间的样本复杂度 7. 3. 1 不可知学习和不一致假设 7. 3. 2 布尔文字的合取是PAC可学习的 7. 3. 3 其他概念类别的PAC可学习性 7. 4 无限假设空间的样本复杂度 7. 4. 1 打散一个实例集合 7. 4. 2 Vapnik-Chervonenkis维度 7. 4. 3 样本复杂度和VC维 7. 4. 4 神经网络的VC维 7. 5 学习的出错界限模型 7. 5. 1 FIND-S算法的出错界限 7. 5. 2 HALVING算法的出错界限 7. 5. 3 最优出错界限 7. 5. 4 加权多数算法 7. 6 小结和补充读物 习题 第8章 基于实例的学习 8. 1 简介 8. 2 k-近邻算法 8. 2. 1 距离加权最近邻算法 8. 2. 2 对k-近邻算法的说明 8. 2. 3 术语注解 8. 3 局部加权回归 8. 3. 1 局部加权线性回归 8. 3. 2 局部加权回归的说明 8. 4 径向基函数 8. 5 基于案例的推理 8. 6 对消极学习和积极学习的评论 8. 7 小结和补充读物 习题 第9章 遗传算法 9. 1 动机 9. 2 遗传算法 9. 2. 1 表示假设 9. 2. 2 遗传算子 9. 2. 3 适应度函数和假设选择 9. 3 举例 9. 4 假设空间搜索 9. 5 遗传编程 9. 5. 1 程序表示 9. 5. 2 举例 9. 5. 3 遗传编程说明 9. 6 进化和学习模型 9. 6. 1 拉马克进化 9. 6. 2 鲍德温效应 9. 7 并行遗传算法 9. 8 小结和补充读物 习题 第10章 学习规则集合 10. 1 简介 10. 2 序列覆盖算法 10. 2. 1 一般到特殊的柱状搜索 10. 2. 2 几种变型 10. 3 学习规则集：小结 10. 4 学习一阶规则 10. 4. 1 一阶Horn子句 10. 4. 2 术语 10. 5 学习一阶规则集：FOIL 10. 5. 1 FOIL中的候选特化式的生成 10. 5. 2 引导FOIL的搜索 10. 5. 3 学习递归规则集 10. 5. 4 FOIL小结 10. 6 作为逆演绎的归纳 10. 7 逆归纳 10. 7. 1 一阶归纳 10. 7. 2 逆归纳：一阶情况 10. 7. 3 逆归纳小结 10. 7. 4 泛化. -包容和涵蕴 10. 7. 5 PROGOL 10. 8 小结和补充读物 习题 第11章 分析学习 11. 1 简介 11. 2 用完美的领域理论学习：PROLOG-EBG 11. 3 对基于解释的学习的说明 11. 3. 1 发现新特征 11. 3. 2 演绎学习 11. 3. 3 基于解释的学习的归纳偏置 11. 3. 4 知识级的学习 11. 4 搜索控制知识的基于解释的学习 11. 5 小结和补充读物 习题 第12章 归纳和分析学习的结合 12. 1 动机 12. 2 学习的归纳-分析途径 12. 2. 1 学习问题 12. 2. 2 假设空间搜索 12. 3 使用先验知识得到初始假设 12. 3. 1 KBANN算法 12. 3. 2 举例 12. 3. 3 说明 12. 4 使用先验知识改变搜索目标 12. 4. 1 TANGENTPROP算法 12. 4. 2 举例 12. 4. 3 说明 12. 4. 4 EBNN算法 12. 4. 5 说明 12. 5 使用先验知识来扩展搜索算子 12. 5. 1 FOCL算法 12. 5. 2 说明 12. 6 研究现状 12. 7 小结和补充读物 习题 第13章 增强学习 13. 1 简介 13. 2 学习任务 13. 3 Q学习 13. 3. 1 Q函数 13. 3. 2 一个学习Q的算法 13. 3. 3 举例 13. 3. 4 收敛性 13. 3. 5 实验策略 13. 3. 6 更新序列 13. 4 非确定性回报和动作 13. 5 时间差分学习 13. 6 从样例中泛化 13. 7 与动态规划的联乐 13. 8 小结和补充读物 习题 附录 符号约定
| |
机器学习-相关图书
·身边的数学（英文版）
·宪政论丛(第4卷)
·现代肿瘤放射治疗学
·诉讼法学研究(第七卷)
·专利考试综合练习卷--实用专利丛书
·犯罪构成及其关系论
·行政法论丛(第7卷)
·中国税制--2004年中英文对照
·中国经济法的国际化路径
·现代中药学大辞典 上、下册
·卵巢疾病
·东西方之间的法律哲学--吴经熊早期法律哲学思想之比较研究--
·刑法理论问题专题研究
·天则(第二辑)
·ADO.NET专业项目实例开发
·沉睡的恶魔
·侵权行为法典型判例研究--中国民商法典型判例研究丛书
·Java深度历险（1CD）
·商品房投资--商品房法律实务与案例解析丛书
·新类型疑难刑事犯罪案例定罪量刑点评-刑事审判经典案例定罪量刑
|
| |
