庫存狀況
「香港二樓書店」讓您 愛上二樓●愛上書
我的購物車 加入會員 會員中心 常見問題 首頁
「香港二樓書店」邁向第一華人書店
登入 客戶評價 whatsapp 常見問題 加入會員 會員專區 現貨書籍 現貨書籍 購物流程 運費計算 我的購物車 聯絡我們 返回首頁
香港二樓書店 > 今日好書推介
二樓書籍分類
 
機器學習聖經:最完整的統計學習方法

機器學習聖經:最完整的統計學習方法

沒有庫存
訂購需時10-14天
9786267146231
李航
深智數位
2022年7月20日
293.00  元
HK$ 249.05  






ISBN:9786267146231
  • 規格:平裝 / 584頁 / 17 x 23 x 2.9 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣


  • 電腦資訊 > 概論/科技趨勢 > 人工智慧/機器學習

















    第一版熱賣加印十幾萬冊!第二版內容更完整!

    ☆☆統計學習方法全書☆☆



      統計學習方法即為機器學習方法,是電腦及其應用領域的重要學科之一。

      本書分為監督學習、無監督學習兩篇,全面系統地介紹了統計學習的主要方法。



      將監督學習和無監督學習中最常用、最重要的各類方法以系統性的方式論述,每章講解一種方法,各章內容相對獨立且完整,也有相關習題、參考文獻,並於最後加以總結。讀者可以將全書詳讀,也可以選擇單章細讀。期望讓讀者可以順利掌握完整又清晰的相關知識,進而打下穩固的基礎,並能準確地使用。



      本書涵蓋感知機、k近鄰法、單純貝氏法、決策樹、邏輯回歸及最大熵模型、支持向量機、提升方法、EM演算法、隱馬可夫模型、條件隨機場、聚類法、奇異值分解(SVD)、主成分分析(PCA)、潛在語義分析、機率潛在語義分析、馬可夫鏈蒙地卡羅法、潛在狄利克雷分配(LDA)、PageRank演算法等。



      【適合讀者群】

      .具高等數學、線性代數和機率統計的基礎知識

      .從事資訊檢索、自然語言處理、文字資料探勘等領域的學生與研究人員

      .從事電腦應用相關專業的研究人員

    ?


     





    第1篇 監督學習

    Chapter01 統計學習及監督學習概論

    1.1 統計學習

    1.2 統計學習的分類

    1.3 統計學習方法三要素

    1.4 模型評估與模型選擇

    1.5 正則化與交叉驗證

    1.6 泛化能力

    1.7 生成模型與判別模型

    1.8 監督學習應用

    ?

    Chapter 02 感知機

    2.1 感知機模型

    2.2 感知機學習策略

    2.3 感知機學習演算法

    ?

    Chapter 03 k近鄰法

    3.1 k近鄰演算法

    3.2 k近鄰模型

    3.3 k近鄰法的實現:kd樹

    ?

    Chapter 04 單純貝氏法

    4.1 單純貝氏法的學習與分類

    4.2 單純貝氏法的參數估計

    ?

    Chapter 05 決策樹

    5.1 決策樹模型與學習

    5.2 特徵選擇

    5.3 決策樹的生成

    5.4 決策樹的剪枝

    5.5 CART演算法

    ?

    Chapter 06 邏輯回歸與最大熵模型

    6.1 邏輯回歸模型

    6.2 最大熵模型

    6.3 模型學習的最佳化演算法

    ?

    Chapter 07 支持向量機

    7.1 線性可分支持向量機與硬間隔最大化

    7.2 線性支持向量機與軟間隔最大化

    7.3 非線性支持向量機與核函數

    7.4 序列最小最佳化演算法

    ?

    Chapter 08 提升方法

    8.1 提升方法AdaBoost演算法

    8.2 AdaBoost演算法的訓練誤差分析

    8.3 AdaBoost演算法的解釋

    8.4 提升樹

    ?

    Chapter 09 EM演算法及其推廣

    9.1 EM演算法的引入

    9.2 EM演算法的收斂性

    9.3 EM演算法在高斯混合模型學習中的應用

    9.4 EM演算法的推廣

    ?

    Chapter 10 隱馬可夫模型

    10.1 隱馬可夫模型的基本概念

    10.2 機率計算演算法

    10.3 學習演算法

    10.4 預測演算法

    ?

    Chapter 11 條件隨機場

    11.1 機率無向圖模型

    11.2 條件隨機場的定義與形式

    11.3 條件隨機場的機率計算問題

    11.4 條件隨機場的學習演算法

    11.5 條件隨機場的預測演算法

    ?

    Chapter 12 監督學習方法總結

    ?

    第2篇 無監督學習

    Chapter 13 無監督學習概論

    13.1 無監督學習基本原理

    13.2 基本問題

    13.3 機器學習三要素

    13.4 無監督學習方法

    ?

    Chapter 14 聚類方法

    14.1 聚類的基本概念

    14.2 層次聚類

    14.3 k均值聚類

    ?

    Chapter 15 奇異值分解

    15.1 奇異值分解的定義與性質

    15.2 奇異值分解的計算

    15.3 奇異值分解與矩陣近似

    ?

    Chapter 16 主成分分析

    16.1 整體主成分分析

    16.2 樣本主成分分析

    ?

    Chapter 17 潛在語義分析

    17.1 單字向量空間與話題向量空間

    17.2 潛在語義分析演算法

    17.3 非負矩陣分解演算法

    ?

    Chapter 18 機率潛在語義分析

    18.1 機率潛在語義分析模型

    18.2 機率潛在語義分析的演算法

    ?

    Chapter 19 馬可夫鏈蒙地卡羅法

    19.1 蒙地卡羅法

    19.2 馬可夫鏈

    19.3 馬可夫鏈蒙地卡羅法

    19.4 Metropolis-Hastings演算法

    19.5 吉布斯抽樣

    ?

    Chapter 20 潛在狄利克雷分配

    20.1 狄利克雷分佈

    20.2 潛在狄利克雷分配模型

    20.3 LDA的吉布斯抽樣演算法

    20.4 LDA的變分EM演算法

    ?

    Chapter 21 PageRank演算法

    21.1 PageRank的定義

    21.2 PageRank的計算

    ?

    Chapter 22 無監督學習方法總結

    22.1 無監督學習方法的關係和特點

    22.2 話題模型之間的關係和特點

    ?

    Appendix A 梯度下降法

    Appendix B 牛頓法和擬牛頓法

    Appendix C 拉格朗日對偶性

    Appendix D 矩陣的基本子空間

    Appendix E ?KL散度的定義和狄利克雷分佈的性質

    Appendix F 索引





    第二版序言



      本書第1版於2012年出版,說明了統計機器學習方法,主要是一些常用的監督學習方法。第2版增加了一些常用的無監督學習方法,由此本書涵蓋了傳統統計機器學習方法的主要內容。



      在撰寫《統計學習方法》伊始,對全書內容做了初步規劃。第1版出版之後,即著手無監督學習方法的寫作。由於寫作是在業餘時間進行,常常被主要工作打斷,歷經六年多時間才使這部分工作得以完成。猶未能加入深度學習和強化學習等重要內容,希望今後能夠增補,完成整本書的寫作計畫。



      《統計學習方法》第1版的出版正值巨量資料和人工智慧的熱潮,生逢其時,截至2019年4月本書共印刷25次,152000冊,獲得了讀者們的歡迎和支持。有許多讀者指出本書對學習和掌握機器學習技術有極大的幫助,也有許多讀者透過電子郵件、微博等方式指出書中的錯誤,提出改進的建議和意見。一些大專院校將本書作為機器學習課程的教材或參考書。有的同學在網上發表了讀書筆記,有的同學將本書介紹的方法在電腦上實現。清華大學深圳研究所學生院袁春老師精心製作了第1版十二章的教材,在網上公佈,為大家提供教學之便。許多老師、同學、讀者的支持和鼓勵,讓作者深受感動和鼓舞。在這裡向所有的老師、同學、讀者致以誠摯的謝意!



      能為電腦科學、人工智慧領域做出一點微薄的貢獻,感到由衷的欣慰,同時也感受到作為知識傳播者的重大責任,讓作者決意把本書寫好。也希望大家今後不吝指教,多提寶貴意見,以幫助繼續提高本書的品質。在寫作中作者也深切體會到教學相長的道理,經常發現自己對基礎知識的掌握不夠紮實,透過寫作得以對相關知識進行了深入的學習,受益匪淺。



      本書是一部機器學習的基本讀物,要求讀者擁有高等數學、線性代數和機率統計的基礎知識。書中主要說明統計機器學習的方法,力求系統全面又簡明扼要地闡述這些方法的理論、演算法和應用,讓讀者能對這些機器學習的基本技術有很好的掌握。針對每個方法,詳細介紹其基本原理、基礎理論、實際演算法,舉出細緻的數學推導和具體實例,既幫助讀者理解,也便於日後複習。



      第2版增加的無監督學習方法,王泉、陳嘉怡、柴琛林、趙程綺等幫助做了認真細緻的校閱,提出了許多寶貴意見,在此謹對他們表示衷心的感謝。清華大學出版社的薛慧編輯一直對本書的寫作給予非常專業的指導和幫助,在此對她表示衷心的感謝!



      由於本人水準有限,本書一定存在不少錯誤,懇請各位專家、老師和同學批評指正。

    ?
    李航




    其 他 著 作
    1. 理論到實作都一清二楚:機器學習原理深究
    2. 理論到實作都一清二楚:機器學習原理深究