機器學習 計算機與互聯網 書籍|8185 epub pdf  mobi txt 電子書 下載

機器學習 計算機與互聯網 書籍|8185 epub pdf mobi txt 電子書 下載 2024

機器學習 計算機與互聯網 書籍|8185 epub pdf mobi txt 電子書 下載 2024


簡體網頁||繁體網頁
美 Tom Mitchell 著,曾華軍 張銀奎 等 譯

下載链接在页面底部


點擊這裡下載
    


想要找書就要到 靜思書屋
立刻按 ctrl+D收藏本頁
你會得到大驚喜!!

發表於2024-11-10

商品介绍



店鋪: 互動齣版網圖書專營店
齣版社: 機械工業齣版社
ISBN:7111109937
商品編碼:16007151390
叢書名: 計算機科學叢書
齣版時間:2003-01-01
頁數:280

機器學習 計算機與互聯網 書籍|8185 epub pdf mobi txt 電子書 下載 2024



类似图書 點擊查看全場最低價

相关書籍





書籍描述

 書[0名0]:  機器[0學0]習|8185
 圖書定價:  35元
 圖書作者:  (美)Tom Mitchell
 齣版社:  機械工業齣版社
 齣版日期:  2003/1/1 0:00:00
 ISBN號:  7111109937
 開本:  16開
 頁數:  280
 版次:  1-1
 作者簡介
TOM M.Mitchell是卡內基梅隆[0大0][0學0]的教授,講授“機器(AAA)的主席:美[0國0]《Machine Leaming》雜誌、[0國0]際機器[0學0]習年度[0會0]議(ICML)的創始人:多種技術雜誌的撰稿人,曾發錶過許多文章,齣版過多本專著,是機器[0學0]習[0領0]域的著[0名0][0學0]者。
 內容簡介
本書展示瞭機器[0學0]習中核心的算[0法0]和理論,並闡明瞭算[0法0]的運行過程。本書綜閤瞭許多的研究成果,例如統計[0學0]、人工智能、哲[0學0]、信息論、生物[0學0]、認[0知0]科[0學0]、計算復雜性和控製論等,並以此來理解問題的背景、算[0法0]和其中的隱含假定。本書可作為計算機專業 本科生、研究生教材,也可作為相關[0領0]域研究人員、教師的參考書。
 目錄

[0第0]1章 引言
1.1 [0學0]習問題的標準描述
1.2 設計-個[0學0]習係統
1.2.1 選擇訓練經驗
1.2.2 選擇目標函數
1.2.3 選擇目標函數的錶示
1. 2.4 選擇函數逼近算[0法0]
1.2.5 終設計
1.3 機器[0學0]習的一些觀點和問題
1.4 如何閱讀本書
1.5 小結和補充讀物
習題
[0第0]2章 概念[0學0]習和一般到特殊序
2.1 簡介
2.2 概念[0學0]習任務
2.2.1 術語定義
2.2.2 歸納[0學0]習假設
2.3 作為搜索的概念[0學0]習
2.4 FIND-S:尋找[0極0][0大0]特殊假設
2.5 變型空間和候選消除算[0法0]
2.5.1 錶示
2.5.2 列錶後消除算[0法0]
2.5.3 變型空間的更簡潔錶示
2.5.4 候選消除[0學0]習算[0法0]
2.5.5 算[0法0]的舉例
2.6 關於變型空間和候選消除的說明
2.6.1 候選消除算[0法0]是否[0會0]收斂到正確的假設
2.6.2 下一步需要什麼樣的訓練樣例
2.6.3 怎樣使用不完全[0學0]習概念
2.7 歸納偏置
2.7.1 -個有偏的假設空間
2.7.2 無偏的[0學0]習器
2.7.3 無偏[0學0]習的無用性
2.8 小始和補充讀物
習題
[0第0]3章 決策樹[0學0]習
3.1 簡介
3.2 決策樹錶示[0法0]
3.3 決策樹[0學0]習的適用問題
3.4 基本的決策樹[0學0]習算[0法0]
3.4.1 哪個屬性是佳的分類屬性
3.4.2 舉例
3.5 決策樹[0學0]習中的假設空間搜索
3.6 決策樹[0學0]習的歸納偏置
3.6.1 限定偏置和[0優0]選偏置
3.6.2 為什麼短的假設[0優0]先
3.7 決策樹[0學0]習的常見問題
3.7.1 避免過度擬閤數據
3. 7.2 閤並連續值屬性
3.7.3 屬性選擇的其他度量標準
3.7.4 處理缺少屬性值的訓練樣例
3.7.5 處理不同代價的屬性
3.8 小結和補充讀物
習題
[0第0]4章 人工神經網絡
4.1 簡介
4.2 神經網絡錶示
4.3 適閤神經網絡[0學0]習的問題
4.4 感[0知0]器
4.4.1 感[0知0]器的錶徵能力
4. 4.2 感[0知0]器訓練[0法0]則
4.4.3 梯度下降和delta[0法0]則
4.4.4 小結
4.5 多層網絡和反嚮傳播算[0法0]
4.5.1 可微閾值單元
4.5.2 反嚮傳播算[0法0]
4.5.3 反嚮傳播[0法0]則的推導
4.6 反嚮傳播算[0法0]的說明
4.6.1 收斂性和局部[0極0]小值
4.6.2 前饋網絡的錶徵能力
4.6.3 假設空間搜索和歸納偏置
4.6.4 隱藏層錶示
4.6.5 泛化、過度擬閤和停止判據
4.7 舉例:人臉識彆
4.7.1 任務
4.7.2 設計要素
4.7.3 [0學0]習到的隱藏層錶示
4.8 人工神經網絡的高級課題
4.8.1 其他可選的誤差函數
4.8.2 其他可選的誤差小化過程
4.8.3 遞歸網絡
4.8.4 動態修改網絡結構
4.9 小結和補充讀物
習題
[0第0]5章 [0評0]估假設
5.1 動機
5.2 估計假設精度
5.2.1 樣本錯誤率和真實錯誤率
5.2.2 離散值假設的置信區間
5.3 采樣理論基礎
5.3.1 錯誤率估計和二項比例估計
5.3.2 二項分布
5.3.3 均值和方差
5.3.4 估計量、偏差和方差
5.3.5 置信區間
5.3.6 [0[0雙0]0]側和單側邊界
5.4 推導置信區間的一般方[0法0]
5.5 兩個假設錯誤率間的差異
5.6 [0學0]習算[0法0]比較
5.6. 1 配對t測試
5.6.2 實際考慮
5.7 小結和補充讀物
習題
[0第0]6章 貝葉斯[0學0]習
6.1 簡介
6.2 貝葉斯[0法0]則
6.3 貝葉斯[0法0]則和概念[0學0]習
6.3.1 BRUTE-FORCE貝葉斯概念[0學0]習
6.3.2 MAP假設和一緻[0學0]習器
6.4 [0極0][0大0]似然和小誤差平方假設
6.5 用於預測概率的[0極0][0大0]似然假設
6.6 小描述長度準則
6.7 貝葉斯[0優0]分類器
6.8 GIBBS算[0法0]
6.9 樸素貝葉斯分類器
6.10 舉例:[0學0]習分類文本
6.11 貝葉斯信念網
6.11.1 條件[0獨0]立性
6.11.2 錶示
6.11.3 推理
6.11.4 [0學0]習貝葉斯信念網
6.11.5 貝葉斯網的梯度上升訓練
6.11.6 [0學0]習貝葉斯網的結構
6.12 EM算[0法0]
6.12.1 估計k個高斯分布的均值
6.12.2 EM算[0法0]的一般錶述
6.12.3 k均值算[0法0]的推導
6.13 小結和補充讀物
習題
[0第0]7章 計算[0學0]習理論
7.1 簡介
7.2 可能[0學0]習近似正確假設
7.2.1 問題框架
7.2.2 假設的錯誤率
7.2.3 PAC可[0學0]習性
7.3 有限假設空間的樣本復雜度
7.3.1 不可[0知0][0學0]習和不一緻假設
7.3.2 布爾文字的閤取是PAC可[0學0]習的
7.3.3 其他概念類彆的PAC可[0學0]習性
7.4 無限假設空間的樣本復雜度
7.4.1 打散一個實例集閤
7.4.2 Vapnik-Chervonenkis維度
7.4.3 樣本復雜度和VC維
7.4.4 神經網絡的VC維
7.5 [0學0]習的齣錯界限模型
7.5.1 FIND-S算[0法0]的齣錯界限
7.5.2 HALVING算[0法0]的齣錯界限
7.5.3 [0優0]齣錯界限
7.5.4 加[0權0]多數算[0法0]
7.6 小結和補充讀物
習題
[0第0]8章 基於實例的[0學0]習
8.1 簡介
8.2 k-近鄰算[0法0]
8.2.1 距離加[0權0]近鄰算[0法0]
8.2.2 對k-近鄰算[0法0]的說明
8.2.3 術語注解
8.3 局部加[0權0]迴歸
8.3.1 局部加[0權0]綫性迴歸
8.3.2 局部加[0權0]迴歸的說明
8.4 徑嚮基函數
8.5 基於案例的推理
8.6 對消[0極0][0學0]習和積[0極0][0學0]習的[0評0]論
8.7 小結和補充讀物
習題
[0第0]9章 遺傳算[0法0]
9.1 動機
9.2 遺傳算[0法0]
9.2.1 錶示假設
9.2.2 遺傳算子
9.2.3 適應度函數和假設選擇
9.3 舉例
9.4 假設空間搜索
9.5 遺傳編程
9.5.1 程序錶示
9.5.2 舉例
9.5.3 遺傳編程說明
9.6 進化和[0學0]習模型
9.6.1 拉馬剋進化
9.6.2 鮑德溫效應
9.7 並行遺傳算[0法0]
9.8 小結和補充讀物
習題
[0第0]10章 [0學0]習規則集閤
10.1 簡介
10.2 序列覆蓋算[0法0]
10.2.1 一般到特殊的柱狀搜索
10.2.2 幾種變型
10.3 [0學0]習規則集:小結
10.4 [0學0]習一階規則
10.4.1 一階Horn子句
10.4.2 術語
10.5 [0學0]習一階規則集:FOIL
10.5.1 FOIL中的候選特化式的生成
10.5.2 引導FOIL的搜索
10.5.3 [0學0]習遞歸規則集
10.5.4 FOIL小結
10.6 作為逆演繹的歸納
10.7 逆歸納
10.7.1 一階歸納
10.7.2 逆歸納:一階情況
10.7.3 逆歸納小結
10.7.4 泛化、-包容和涵蘊
10.7.5 PROGOL
10.8 小結和補充讀物
習題
[0第0]11章 分析[0學0]習
11.1 簡介
11.2 用完美的[0領0]域理論[0學0]習:PROLOG-EBG
11.3 對基於解釋的[0學0]習的說明
11.3.1 發現新特徵
11.3.2 演繹[0學0]習
11.3.3 基於解釋的[0學0]習的歸納偏置
11.3.4 [0知0]識級的[0學0]習
11.4 搜索控製[0知0]識的基於解釋的[0學0]習
11.5 小結和補充讀物
習題
[0第0]12章 歸納和分析[0學0]習的結閤
12.1 動機
12.2 [0學0]習的歸納-分析途徑
12.2.1 [0學0]習問題
12.2.2 假設空間搜索
12.3 使用先驗[0知0]識得到初始假設
12.3.1 KBANN算[0法0]
12.3.2 舉例
12.3.3 說明
12.4 使用先驗[0知0]識改變搜索目標
12.4.1 TANGENTPROP算[0法0]
12.4.2 舉例
12.4.3 說明
12.4.4 EBNN算[0法0]
12.4.5 說明
12.5 使用先驗[0知0]識來擴展搜索算子
12.5.1 FOCL算[0法0]
12.5.2 說明
12.6 研究現狀
12.7 小結和補充讀物
習題
[0第0]13章 增強[0學0]習
13.1 簡介
13.2 [0學0]習任務
13.3 Q[0學0]習
13.3.1 Q函數
13.3.2 一個[0學0]習Q的算[0法0]
13.3.3 舉例
13.3.4 收斂性
13.3.5 實驗策略
13.3.6 更新序列
13.4 非確定性迴報和動作
13.5 時間差分[0學0]習
13.6 從樣例中泛化
13.7 與動態規劃的聯樂
13.8 小結和補充讀物
習題
附錄 符號約定
 編輯推薦
《計算機科[0學0]叢書:機器[0學0]習》編輯推薦:如何讓計算機隨著經驗的積纍自動提高性能?這就是機器[0學0]習的目的。《機器[0學0]習》展示瞭機器[0學0]習中核心的算[0法0]和理論,並闡明瞭算[0法0]的運行過程。《機器[0學0]習》綜閤瞭許多的研究成果,例如統計[0學0]、人工智能、哲[0學0]、信息論、生物[0學0]、認[0知0]科[0學0]、計算復雜性和控製論等,並以此來理解問題的背景、算[0法0]和其中的隱含假定。<

機器學習 計算機與互聯網 書籍|8185 epub pdf mobi txt 電子書 下載 2024

機器學習 計算機與互聯網 書籍|8185 下載 epub mobi pdf txt 電子書

機器學習 計算機與互聯網 書籍|8185 pdf 下載 mobi 下載 pub 下載 txt 電子書 下載 2024

機器學習 計算機與互聯網 書籍|8185 mobi pdf epub txt 電子書 下載 2024

機器學習 計算機與互聯網 書籍|8185 epub pdf mobi txt 電子書 下載
想要找書就要到 靜思書屋
立刻按 ctrl+D收藏本頁
你會得到大驚喜!!

讀者評價

評分

快遞很好,商品質量很好

評分

上課用的課本

評分

專業書籍,值得購買。

評分

都壞瞭。。

評分

還可以的。書很不錯的?

評分

此用戶未填寫評價內容

評分

專業書籍,值得購買。

評分

還可以的。書很不錯的?

評分

很及時,質量可以

機器學習 計算機與互聯網 書籍|8185 epub pdf mobi txt 電子書 下載 2024

类似图書 點擊查看全場最低價

機器學習 計算機與互聯網 書籍|8185 epub pdf mobi txt 電子書 下載 2024


分享鏈接





相关書籍


本站所有內容均為互聯網搜索引擎提供的公開搜索信息,本站不存儲任何數據與內容,任何內容與數據均與本站無關,如有需要請聯繫相關搜索引擎包括但不限於百度google,bing,sogou

友情鏈接

© 2024 book.idnshop.cc All Rights Reserved. 靜思書屋 版权所有