图书介绍

机器学习导论PDF|Epub|txt|kindle电子书版本网盘下载

机器学习导论
  • （美）米罗斯拉夫·库巴特（Miroslav Kubat）著 著
  • 出版社： 北京：机械工业出版社
  • ISBN：7111548683
  • 出版时间：2016
  • 标注页数：309页
  • 文件大小：35MB
  • 文件页数：325页
  • 主题词：

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：3b9d0b0c458d84610be87b91c80283fe

下载说明

机器学习导论PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章 一个简单的机器学习任务1

1.1 训练集和分类器2

1.2 一点题外话：爬山搜索5

1.3 机器学习中的爬山法9

1.4 分类器的性能12

1.5 可用数据的困难14

1.6 总结和历史简评16

1.7 巩固你的知识17

第2章 概率：贝叶斯分类器21

2.1 单属性的情况22

2.2 离散属性值的向量26

2.3 稀少事件的概率：利用专家的直觉30

2.4 如何处理连续属性32

2.5 高斯钟形函数：一个标准的概率密度函数36

2.6 用高斯函数的集合近似概率密度函数37

2.7 总结和历史简评42

2.8 巩固你的知识43

第3章 相似性：最近邻分类器47

3.1 k近邻法则48

3.2 度量相似性51

3.3 不相关属性与尺度缩放问题54

3.4 性能方面的考虑57

3.5 加权最近邻60

3.6 移除危险的样例62

3.7 移除多余的样例64

3.8 总结和历史简评66

3.9 巩固你的知识67

第4章 类间边界：线性和多项式分类器71

4.1 本质72

4.2 加法规则：感知机学习75

4.3 乘法规则：WINNOW81

4.4 多于两个类的域84

4.5 多项式分类器86

4.6 多项式分类器的特殊方面89

4.7 数值域和支持向量机91

4.8 总结和历史简评94

4.9 巩固你的知识95

第5章 人工神经网络99

5.1 作为分类器的多层感知机100

5.2 神经网络的误差103

5.3 误差的反向传播105

5.4 多层感知机的特殊方面110

5.5 结构问题113

5.6 径向基函数网络115

5.7 总结和历史简评117

5.8 巩固你的知识119

第6章 决策树121

6.1 作为分类器的决策树122

6.2 决策树的归纳学习126

6.3 一个属性承载了多少信息129

6.4 数值属性的二元划分133

6.5 剪枝135

6.6 将决策树转换为规则140

6.7 总结和历史简评143

6.8 巩固你的知识144

第7章 计算学习理论147

7.1 PAC学习148

7.2 PAC可学习性的实例151

7.3 一些实践和理论结果154

7.4 VC维与可学习性156

7.5 总结和历史简评159

7.6 巩固你的知识160

第8章 几个有帮助的案例163

8.1 字符识别164

8.2 溢油检测168

8.3 睡眠分类172

8.4 脑机界面175

8.5 医疗诊断178

8.6 文本分类181

8.7 总结和历史简评183

8.8 巩固你的知识184

第9章 投票组合简介187

9.1 “装袋”方法（Bagging）188

9.2 夏皮尔提升（Schapire's Boosting）190

9.3 Adaboost——Boosting的实用版本194

9.4 Boosting方法的变种198

9.5 Boosting方法的计算优势200

9.6 总结和历史简评202

9.7 巩固你的知识203

第10章 了解一些实践知识207

10.1 学习器的偏好208

10.2 不平衡训练集211

10.3 语境相关域215

10.4 未知属性值219

10.5 属性选择221

10.6 杂项223

10.7 总结和历史简评226

10.8 巩固你的知识227

第11章 性能评估231

11.1 基本性能标准232

11.2 精度和查全率235

11.3 测量性能的其他方法240

11.4 多标签域内的性能243

11.5 学习曲线和计算开销244

11.6 实验评估的方法246

11.7 总结和历史简评249

11.8 巩固你的知识250

第12章 统计显著性253

12.1 总体抽样254

12.2 从正态分布中获益258

12.3 置信区间261

12.4 一个分类器的统计评价264

12.5 另外一种统计评价266

12.6 机器学习技术的比较268

12.7 总结和历史简评270

12.8 巩固你的知识271

第13章 遗传算法273

13.1 基本遗传算法274

13.2 单个模块的实现276

13.3 为什么能起作用279

13.4 过早退化的危险282

13.5 其他遗传算子284

13.6 高级版本286

13.7 k-NN分类器的选择289

13.8 总结和历史简评292

13.9 巩固你的知识292

第14章 增强学习295

14.1 如何选出最高奖励的动作296

14.2 游戏的状态和动作299

14.3 SARSA方法302

14.4 总结和历史简评303

14.5 巩固你的知识303

参考文献305

热门推荐