美国迈阿密大学教授人工智能专家25年倾心打造

老路推荐理由：

1.人工智能专家米罗斯拉夫•库巴特教授25年倾心打造

2.系统解读了有关机器学习的14个方面，快速读懂机器学习

3.系统全面，既可以自学又可以作为研究参考。既道出了机器学习的前世今生，又展望了发展的未来，让道听途说的信息止于智者。全面讨论机器学习方法和技术，层次合理、叙述清晰、难度适中。涵盖了经典的机器学习算法和理论，同时补充了近年来新出现的机器学习方法。

这本书通过大量容易操作的实践指导、容易理解的经典案例、容易激发学习兴趣的讨论等多种方式，介绍了机器学习的基本思想。本书的内容既包括贝叶斯分类器、最近邻分类器、线性和多项式分类器、决策树、神经网络以及支持向量机等工具的介绍，又包含了如何把这些简单工具通过“提升”（Boosting）的方式结合起来，怎样将它们应用于更加复杂的领域，以及如何处理各种高级的实践问题等。书中还有一章专门介绍了广为人知的遗传算法。

点击图片购买

〔美］ 米罗斯拉夫·库巴特 

   美国迈阿密大学教授，从事机器学习教学和研究超过25年。他已发表100余篇经过同行评审的论文，与人合编了两本著作，是近60个会议和研讨会的程序委员会委员，并担任3本学术刊物的编委。他在两个方面的前沿研究上得到了广泛赞誉：时变概念的归纳学习和在非平衡训练集上的学习。此外，在多标签样例上的归纳学习、层次组织的类别上的归纳学习、遗传算法、神经网络的初始化等问题上，他也做出了很多贡献。

拖动右侧滚动条可以查看全目录▼

推荐序 
前言 
第1章 一个简单的机器学习任务// 
1.1训练集和分类器// 
1.2一点题外话：爬山搜索// 
1.3机器学习中的爬山法// 
1.4分类器的性能// 
1.5可用数据的困难// 
1.6总结和历史简评// 
1.7巩固你的知识// 
第2章 概率：贝叶斯分类器// 
2.1单属性的情况// 
2.2离散属性值的向量// 
2.3稀少事件的概率：利用专家的直觉// 
2.4如何处理连续属性// 
2.5高斯钟形函数：一个标准的概率密度函数// 
2.6用高斯函数的集合近似概率密度函数// 
2.7总结和历史简评// 
2.8巩固你的知识// 
第3章 相似性：最近邻分类器// 
3.1k近邻法则// 
3.2度量相似性// 
3.3不相关属性与尺度缩放问题// 
3.4性能方面的考虑// 
3.5加权最近邻// 
3.6移除危险的样例// 
3.7移除多余的样例// 
3.8总结和历史简评// 
3.9巩固你的知识// 
第4章 类间边界：线性和多项式分类器// 
4.1本质// 
4.2加法规则：感知机学习// 
4.3乘法规则：WINNOW// 
4.4多于两个类的域// 
4.5多项式分类器// 
4.6多项式分类器的特殊方面// 
4.7数值域和支持向量机// 
4.8总结和历史简评// 
4.9巩固你的知识// 
第5章 人工神经网络// 
5.1作为分类器的多层感知机// 
5.2神经网络的误差// 
5.3误差的反向传播// 
5.4多层感知机的特殊方面// 
5.5结构问题// 
5.6径向基函数网络// 
5.7总结和历史简评// 
5.8巩固你的知识// 
第6章 决策树// 
6.1作为分类器的决策树// 
6.2决策树的归纳学习// 
6.3一个属性承载了多少信息// 
6.4数值属性的二元划分// 
6.5剪枝// 
6.6将决策树转换为规则// 
6.7总结和历史简评// 
6.8巩固你的知识// 
第7章 计算学习理论// 
7.1PAC 学习// 
7.2PAC可学习性的实例// 
7.3一些实践和理论结果// 
7.4VC维与可学习性// 
7.5总结和历史简评// 
7.6巩固你的知识// 
第8章 几个有帮助的案例// 
8.1字符识别// 
8.2溢油检测// 
8.3睡眠分类// 
8.4脑机界面// 
8.5医疗诊断// 
8.6文本分类// 
8.7总结和历史简评// 
8.8巩固你的知识// 
第9章 投票组合简介// 
9.1“装袋”方法(Bagging)// 
9.2夏皮尔提升(Schapires Boosting)// 
9.3Adaboost——Boosting的实用版本// 
9.4Boosting方法的变种// 
9.5Boosting方法的计算优势// 
9.6总结和历史简评// 
9.7巩固你的知识// 
第10章 了解一些实践知识// 
10.1学习器的偏好// 
10.2不平衡训练集// 
10.3语境相关域// 
10.4未知属性值//&nbs
p;
10.5属性选择// 
10.6杂项// 
10.7总结和历史简评// 
10.8巩固你的知识// 
第11章 性能评估// 
11.1基本性能标准// 
11.2精度和查全率// 
11.3测量性能的其他方法// 
11.4多标签域内的性能// 
11.5学习曲线和计算开销// 
11.6实验评估的方法// 
11.7总结和历史简评// 
11.8巩固你的知识// 
第12章 统计显著性// 
12.1总体抽样// 
12.2从正态分布中获益// 
12.3置信区间// 
12.4一个分类器的统计评价// 
12.5另外一种统计评价// 
12.6机器学习技术的比较// 
12.7总结和历史简评// 
12.8巩固你的知识// 
第13章 遗传算法// 
13.1基本遗传算法// 
13.2单个模块的实现// 
13.3为什么能起作用// 
13.4过早退化的危险// 
13.5其他遗传算子// 
13.6高级版本// 
13.7k-NN 分类器的选择// 
13.8总结和历史简评// 
13.9巩固你的知识// 
第14章 增强学习// 
14.1如何选出最高奖励的动作// 
14.2游戏的状态和动作// 
14.3SARSA方法// 
14.4总结和历史简评// 
14.5巩固你的知识// 
参考文献// 

热门图书排行

☞金粉最爱图书排行

☞机械加工排行

☞生产管理排行

☞设计软件排行

☞最新上架

欢迎加入金粉商城，机械人专享的商城

点击下方“阅读原文”进入首页