| | | 機器學習入門之道 | 該商品所屬分類:工業技術 -> 自動化技術 | 【市場價】 | 462-670元 | 【優惠價】 | 289-419元 | 【介質】 | book | 【ISBN】 | 9787115479341 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
-
出版社:人民郵電
-
ISBN:9787115479341
-
作者:(日)中井悅司|譯者:姚待艷
-
頁數:201
-
出版日期:2018-05-01
-
印刷日期:2018-05-01
-
包裝:平裝
-
開本:16開
-
版次:1
-
印次:1
-
字數:180千字
-
人工智能正在形成一股新的浪潮,它將從技術、 經濟、社會等各個層面改變我們的工作和生活方式。 作為實現人工智能的重要技術,機器學習正在受到人 工智能專家之外的更廣泛人群的關注,想要了解機器 學習相關知識和技術的人日益增多。 中井悅司著的《機器學習入門之道》緊緊圍繞“ 機器學習的商業應用”這個主題,從數學原理上解釋 了機器學習的一些基礎算法,如最小二乘法、最優推 斷法、感知器、Logistic回歸、K均值算法、EM算法 、貝葉斯推斷等。全書的主旨在於幫助讀者理解機器 學習的本質,因此作者介紹具體的例題時,基本的著 眼點是教會讀者使用什麼樣的思維方式,以及如何進 行計算,為讀者探索更加復雜的深度學習領域或神經 網絡算法打下堅實的基礎。 本書適合所有對機器學習感興趣的讀者閱讀,尤 其適合具備一定數學基礎的IT工程師閱讀,也可作為 高等院校相關專業師生的參考讀物。
-
第1章 數據科學和機器學習 1.1 數據科學在商業領域中的作用 1.2 機器學習算法的分類 1.2.1 分類:產生類判定的算法 1.2.2 回歸分析:預測數值的算法 1.2.3 聚類分析:對數據進行無監督群組化的算法 1.2.4 其他算法 1.3 本書使用的例題 1.3.1 基於回歸分析的觀測值推斷 1.3.2 基於線性判別的新數據分類 1.3.3 圖像文件的褪色處理(提取代表色) 1.3.4 識別手寫文字 1.4 分析工具的準備 1.4.1 本書使用的數據分析工具 1.4.2 運行環境設置步驟(以CentOS 6為例) 1.4.3 運行環境設置步驟(以Mac OS X為例) 1.4.4 運行環境設置步驟(以Windows 7/8.1為例) 1.4.5 IPython的使用方法 第2章 *小二乘法:機器學習理論第 一步 2.1 基於近似多項式和*小二乘法的推斷 2.1.1 訓練集的特征變量和目標變量 2.1.2 近似多項式和誤差函數的設置 2.1.3 誤差函數*小化條件 2.1.4 示例代碼的確認 2.1.5 統計模型的*小二乘法 2.2 過度擬合檢出 2.2.1 訓練集和測試集 2.2.2 測試集的驗證結果 2.2.3 基於交叉檢查的泛化能力驗證 2.2.4 基於數據的過度擬合變化 2.3 附錄:Hessian矩陣的特性 第3章 *優推斷法:使用概率的推斷理論 3.1 概率模型的利用 3.1.1 “數據的產生概率”設置 3.1.2 基於似然函數的參數評價 3.1.3 示例代碼的確認 3.2 使用簡化示例的解釋說明 3.2.1 正態分布的參數模型 3.2.2 示例代碼的確認 3.2.3 推斷量的評價方法(一致性和無偏性) 3.3 附錄:樣本均值及樣本方差一致性和無偏性的證明 3.3.1 樣本均值及樣本方差一致性和無偏性的證明 3.3.2 示例代碼的確認 第4章 感知器:分類算法的基礎 4.1 概率梯度下降法的算法 4.1.1 分割平面的直線方程 4.1.2 基於誤差函數的分類結果評價 4.1.3 基於梯度的參數修正 4.1.4 示例代碼的確認 4.2 感知器的幾何學解釋
| | | | | |