机器学习

机器学习
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者: [美] (Mitchell T.M.) ,
2008-03
版次: 1
ISBN: 9787111109938
定价: 35.00
装帧: 平装
开本: 16开
纸张: 胶版纸
页数: 282页
字数: 277千字
正文语种: 简体中文
原版书名: Machine Learning
722人买过
  •   《机器学习/计算机科学丛书》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。《机器学习/计算机科学丛书》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。《机器学习/计算机科学丛书》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。   TomM.Mitchell,是卡内基梅隆大学的教授,讲授“机器学习”等多门课程;美国人工智能协会(AAAL)的主席;美国《MachineLearning》杂志、国际机器学习年度会议(ICML)的创始人;多种技术杂志的撰稿人,曾发表过许多文章,出版过多本专著,是机器学习领域的知名学者。 出版者的话
    专家指导委员会
    译者序
    前言
    第1章引言
    1.1 学习问题的标准描述
    1.2 设计一个学习系统
    1.2.1选择训练经验
    1.2.2选择目标函数
    1.2.3 选择目标函数的表示
    1.2.4 选择函数逼近算法
    1.2.5 最终设计
    1.3 机器学习的一些观点和问题
    1.4 如何阅读本书
    1.5 小结和补充读物
    习题

    第2章概念学习和一般到特殊序
    2.1 简介
    2.2 概念学习任务
    2.2.1 术语定义
    2.2.2 归纳学习假设
    2.3 作为搜索的概念学习
    2.4 FIND-S:寻找极大特殊假设
    2.5 变型空间和候选消除算法
    2.5.1 表示
    2.5.2列表后消除算法
    2.5.3 变型空间的更简洁表示
    2.5.4 候选消除学习算法
    2.5.5 算法的举例
    2.6 关于变型空间和候选消除的说明
    2.6.1 候选消除算法是否会收敛到正确的假设
    2.6.2下一步需要什么样的训练样例
    2.6.3 怎样使用不完全学习概念
    2.7 归纳偏置
    2.7.1 一个有偏的假设空间
    2.7.2 无偏的学习器
    2.7.3 无偏学习的无用性
    2.8 小结和补充读物
    习题

    第3章 决策树学习
    3.1简介
    3.2 决策树表示法
    3.3 决策树学习的适用问题
    3.4 基本的决策树学习算法
    3.4.1 哪个属性是最佳的分类属性
    3.4.2 举例
    3.5 决策树学习中的假设空间搜索
    3.6 决策树学习的归纳偏置
    3.6.1 限定偏置和优选偏置
    3.6.2 为什么短的假设优先
    3.7 决策树学习的常见问题
    3.7.1 避免过度拟合数据
    3.7.2合并连续值属性
    3.7.3 属性选择的其他度量标准
    3.7.4 处理缺少属性值的训练样例
    3.7.5 处理不同代价的属性
    3.8 小结和补充读物
    习题

    第4章人工神经网络
    4.1 简介
    4.2 神经网络表示
    4.3 适合神经网络学习的问题
    4.4 感知器
    4.4.1 感知器的表征能力
    4.4.2 感知器训练法则
    4.4.3梯度下降和delta法则
    4.4.4 小结
    ……
    第5章 评估假设
    第6章 贝叶斯学习
    第7章 计算学习理论
    第8章 基于实例的学习
    第9章 遗传算法
    第10章 学习规则集合
    第11章 分析这习
    第12章 归纳和分析学习的结合
    第13章 增强学习
  • 内容简介:
      《机器学习/计算机科学丛书》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。《机器学习/计算机科学丛书》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。《机器学习/计算机科学丛书》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。
  • 作者简介:
      TomM.Mitchell,是卡内基梅隆大学的教授,讲授“机器学习”等多门课程;美国人工智能协会(AAAL)的主席;美国《MachineLearning》杂志、国际机器学习年度会议(ICML)的创始人;多种技术杂志的撰稿人,曾发表过许多文章,出版过多本专著,是机器学习领域的知名学者。
  • 目录:
    出版者的话
    专家指导委员会
    译者序
    前言
    第1章引言
    1.1 学习问题的标准描述
    1.2 设计一个学习系统
    1.2.1选择训练经验
    1.2.2选择目标函数
    1.2.3 选择目标函数的表示
    1.2.4 选择函数逼近算法
    1.2.5 最终设计
    1.3 机器学习的一些观点和问题
    1.4 如何阅读本书
    1.5 小结和补充读物
    习题

    第2章概念学习和一般到特殊序
    2.1 简介
    2.2 概念学习任务
    2.2.1 术语定义
    2.2.2 归纳学习假设
    2.3 作为搜索的概念学习
    2.4 FIND-S:寻找极大特殊假设
    2.5 变型空间和候选消除算法
    2.5.1 表示
    2.5.2列表后消除算法
    2.5.3 变型空间的更简洁表示
    2.5.4 候选消除学习算法
    2.5.5 算法的举例
    2.6 关于变型空间和候选消除的说明
    2.6.1 候选消除算法是否会收敛到正确的假设
    2.6.2下一步需要什么样的训练样例
    2.6.3 怎样使用不完全学习概念
    2.7 归纳偏置
    2.7.1 一个有偏的假设空间
    2.7.2 无偏的学习器
    2.7.3 无偏学习的无用性
    2.8 小结和补充读物
    习题

    第3章 决策树学习
    3.1简介
    3.2 决策树表示法
    3.3 决策树学习的适用问题
    3.4 基本的决策树学习算法
    3.4.1 哪个属性是最佳的分类属性
    3.4.2 举例
    3.5 决策树学习中的假设空间搜索
    3.6 决策树学习的归纳偏置
    3.6.1 限定偏置和优选偏置
    3.6.2 为什么短的假设优先
    3.7 决策树学习的常见问题
    3.7.1 避免过度拟合数据
    3.7.2合并连续值属性
    3.7.3 属性选择的其他度量标准
    3.7.4 处理缺少属性值的训练样例
    3.7.5 处理不同代价的属性
    3.8 小结和补充读物
    习题

    第4章人工神经网络
    4.1 简介
    4.2 神经网络表示
    4.3 适合神经网络学习的问题
    4.4 感知器
    4.4.1 感知器的表征能力
    4.4.2 感知器训练法则
    4.4.3梯度下降和delta法则
    4.4.4 小结
    ……
    第5章 评估假设
    第6章 贝叶斯学习
    第7章 计算学习理论
    第8章 基于实例的学习
    第9章 遗传算法
    第10章 学习规则集合
    第11章 分析这习
    第12章 归纳和分析学习的结合
    第13章 增强学习
查看详情
系列丛书 / 更多
机器学习
Java编程思想(第4版)
[美]Bruce Eckel 著;陈昊鹏 译
机器学习
数据挖掘:概念与技术(原书第3版)
[美]Jiawei、[美]Micheling、[美]Jian Pei 著;范明、孟小峰 译
机器学习
算法导论(原书第3版)
[美]Thomas、[美]Charles、[美]Ronald、[美]Clifford Stein 著;殷建平、徐云、王刚 译
机器学习
数据结构与算法分析:Java语言描述
[美]马克·艾伦·维斯 著;陈越 译
机器学习
C程序设计语言(第二版)
[美]Brian(布莱恩·克尼汉)、[美]Dennis M.Ritchie(丹尼斯·里奇) 著;徐宝文、李志 译
机器学习
C程序设计语言(第2版·新版) 习题解答
吉米拜尔 著;杨涛 译;[美]汤朵
机器学习
计算机科学丛书·云计算:概念、技术与架构
[美]Thomas、[英]Zaigham、[巴西]Ricardo Puttini 著;龚奕利、贺莲、胡创 译
机器学习
数据库系统概念:(原书第6版)
[美]Abraham、Henry、S.Sudarshan 著;杨冬青、李红燕、唐世渭 译
机器学习
深入理解计算机系统(原书第3版)
[美]兰德尔 E.布莱恩特(Randal E.·Bryant) 著;龚奕利、贺莲 译
机器学习
编译原理:原理、技术与工具
[美]阿霍 著;赵建华 译
机器学习
计算机科学导论:原书第3版
[美]Behrouz Forouzan 著;刘艺 译
机器学习
软件工程:实践者的研究方法(原书第8版 本科教学版)
[美]罗杰 S. 普莱斯曼 著;郑人杰、马素霞 译
相关图书 / 更多
机器学习
机器人教育——STEAM课程活动设计下册
周东辉
机器学习
机器学习的数学基础
[马来西亚]翁承顺(ChengSoonOng) 著;[英]马克·彼得·戴森罗特(MarcPeterDeisenroth);[英]A.阿尔多·费萨尔(A.AldoFaisal)
机器学习
机器人系统中的在线轨迹规划——对不可预见(传感器)事件瞬时反应的基本概念
[德]托尔斯滕·克罗格
机器学习
机器学习
胡清华杨柳
机器学习
机器视觉特征提取与图像处理实战(高等职业院校基于工作过程项目式系列教程)
张效禹 主编
机器学习
机器视觉技术及应用(第2版)
韩九强;钟德星
机器学习
机器人工程应用(工业和信息化部十四五规划教材)
王伟 编者;贠超;责编:冯颖
机器学习
机器学及应用 大中专高职科技综合
毋建军姜波郭舒
机器学习
机器学习(慕课版)
作者
机器学习
机器设备评估(第2版高等职业教育资产评估与管理专业产学研结合系列教材)
刘淑琴 编者;责编:王天华;周慧
机器学习
机器学习与最优化
田英杰
机器学习
机器人泌尿外科手术并发症
[美]MonishAron 主编;[美]RenéSotelo;[墨西哥]JuanArriaga
您可能感兴趣 / 更多
机器学习
数学旅行家 文教科普读物 (美)卡尔文・c.克劳森
[美]卡尔文・c.克劳森
机器学习
向世界好的医院力
[美]理查德·温特斯(RichardWinters)
机器学习
像作家一样阅读:提升读写能力的10堂课
[美]艾琳·M.普希曼
机器学习
黑的眼睛不看光明 心理学
[美]玛利亚娜·亚历山德里
机器学习
觉醒 外国现当代文学
[美]凯特·肖邦
机器学习
从众陷阱 成功学 (美)托德·罗斯(todd rose)
[美]托德·罗斯(toddrose)
机器学习
海洋全书:国家地理新探索
[美]西尔维娅·A.厄尔
机器学习
吃的勇气:365天告别饮食内耗,与食物和解
[美]伊芙琳·特里波尔(EvelynTribole)