机器学习
|
|
| 新书城图书编号：383 |
| 图书ISBN：7111109937 |
| 出版时间：2005-9-26 |
| 出版社：机械工业出版社 |
| 作者：美.米歇尔著曾华军等译 |
|
市场价格：￥35 |
|
普通会员：￥28
|
80折 |
|
VIP会员：￥26.25
|
75折 |
|
 
|
|
|
|
|
|
【图书简介】
|
|
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。
|
|
|
|
【图书目录】
|
译者序
前言
第一章引言
第一节学习问题的标准描述
第二节设计一个学习系统
第三节机器学习的一些观点和问题
第四节如何阅读本书
第五节小结和补充读物
习题
第二章概念学习和一般到特殊序
第一节简介
第二节概念学习任务
第三节作为溲索的概念学习
第四节FIND-S：寻找极大特殊假设
第五节变型空间和侯选消除算法
第六节关于变型空间和侯选消除的说明
第七节归纳偏置
第八节小结和补充读物
习题
第三章决策树学习
第一节简介
第二节决策树表示法
第三节决策树学习的适用问题
第四节基本的决策树学习算法
第五节决策学习树中的假设空间搜索
第六节决策树学习的归纳偏置
第七节决策树学习的常见问题
第八节小结和补充读物
习题
第四章人工神经网络
第一节简介
第二节神经网络表示
第三节适合神经网络学习的问题
第四节感知器
第五节多层网络和反向传播算法
第六节反向传播算法的说明
第七节举例：人脸识别
第八节人工神经网络的高级选题
第九节小结和补充读物
习题
第五章评估假设
第一节动机
第二节估计假设精度
第三节采样理论基础
第四节推导置信区间的一般方法
第五节两个假设错误率间的差异
第六节学习算法比较
第七节小结和补充读物
习题
第六章贝叶斯学习
第一节简介
第二节贝叶斯法则
第三节贝叶斯法则和概念学习
第四节极大似然和最小误差平方假设
第五节用于预测概率的极大似然假设
第六节最小描述长度准则
第七节贝叶斯最优分类器
第八节GIBBS算法
第九节朴素贝叶斯分类器
第十节举例：学习分类文本
第十一节贝叶斯信念网
第十二节EM算法
第十三节小结和补充读物
习题
第七章计算学习和理论
第一节简介
第二节可能学习近似正确假设
第三节有限假设空间的样本复杂度
第四节无限空假设空间的样本复杂度
第五节学习的出错界限模型
第六节小结和补充读物
习题
第八章基于实例的学习
第一节简介
第二节κ-近邻算法
第三节局部加权回归
第四节径向基函数
第五节基于案例的推理
第六节对消极学习和积极学习的评论
第七节小结和补充读物
习题
第九章遗传算法
第一节动机
第二节遗传算法
第三节举例
第四节假设空间搜索
第五节遗传编程
第六节进化和学习模型
第七节并行遗传算法
第八节小结和补充读物
习题
第十章学习规则集合
第一节简介
第二节序列覆盖算法
第三节学习规则集：小结
第四节术语
第五节学习一阶规则集：FOLL
第六节作为逆演绎的归纳
第七节逆归纳
第八节小结和补充读物
习题
第十一章分析学习
第一节简介
第二节用完美的领域理论学习
第三节对基于解释的学习的说明
第四节搜索控制知识的基于解释的学习
第五节小结和补充读物
习题
第十二章归纳和分析学习的结合
第一节动机
第二节学习的归纳-分析途径
第三节使用先验知识得到初始假设
第四节使用先验知识改变搜索目标
第五节使用先验知识来扩展搜索算子
第六节研究现状
第七节小结和补充读物
习题
第十三章增强学习
第一节简介
第二节学习任务
第三节函数
第四节悲观确定性回报和动作
第五节时间差分学习
第六节从样例中泛化
第七节与动态规划的联系
第八节小结和补充读物
习题
附录符号约定
|
|
|
|
·客服时间( 周一 至 周六 9:00-18:00
)