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
   
成為賈伯斯:天才巨星的挫敗與孕成
  • 定價217.00元
  • 8 折優惠:HK$173.6
  • 放入購物車
二樓書籍分類
 
機器學習聖經:最完整的統計學習方法(好評熱銷版)

機器學習聖經:最完整的統計學習方法(好評熱銷版)

沒有庫存
訂購需時10-14天
9786267757185
李航
深智數位
2025年8月19日
293.00  元
HK$ 263.7  






ISBN:9786267757185
  • 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

















    �好評熱銷再上市/�

    ☆☆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




    其 他 著 作
    1. 九千歲 魏忠賢權謀史:從朝廷巨擘到勢力崩解,登頂後的敗亡之路
    2. 九千歲──魏忠賢權謀史:從貧賤少年到宮廷新人,大明朝的權謀之巔
    3. 理論到實作都一清二楚:機器學習原理深究
    4. 理論到實作都一清二楚:機器學習原理深究
    5. 機器學習聖經:最完整的統計學習方法