TOP
0
0
即日起~6/30,暑期閱讀書展,好書7折起
圖解機器學習(簡體書)
滿額折
圖解機器學習(簡體書)
圖解機器學習(簡體書)
圖解機器學習(簡體書)
圖解機器學習(簡體書)
圖解機器學習(簡體書)
圖解機器學習(簡體書)
圖解機器學習(簡體書)
圖解機器學習(簡體書)
圖解機器學習(簡體書)

圖解機器學習(簡體書)

商品資訊

人民幣定價:59.8 元
定價
:NT$ 359 元
優惠價
87312
領券後再享88折起
海外經銷商無庫存,到貨日平均30天至45天
可得紅利積點:9 點
相關商品
商品簡介
作者簡介
名人/編輯推薦
目次

商品簡介

本書用豐富的圖示,從最小二乘法出發,對基於最小二乘法實現的各種機器學習演算法進行了詳細的介紹。第Ⅰ部分介紹了機器學習領域的概況;第Ⅱ部分和第Ⅲ部分分別介紹了各種有監督的回歸演算法和分類演算法;第Ⅳ部分介紹了各種無監督學習演算法;第Ⅴ部分介紹了機器學習領域中的新興演算法。書中大部分演算法都有相應的MATLAB程式原始程式碼,可以用來進行簡單的測試。
本書適合所有對機器學習有興趣的初學者閱讀。

作者簡介

杉山將,1974年生於大阪。東京工業大學計算機工程學博士畢業,現為東京大學教授、日本國立信息學研究所客座教授。主要從事機器學習的理論研究和算法開發,以及在信號和圖像處理等方面的應用。 2011年獲日本信息處理學會長尾真紀念特別獎。著有《統計機器學習》、DensityRatioEstimationinMachineLearning等。同時也是PatternRecognitionandMachineLearning日文版的譯者之一。

許永偉,2009年赴東京大學攻讀博士學位,現於東京大學空間信息科學研究所從事博士後研究(特任研究員)。主要研究方向為模式識別與機器學習、圖像處理與計算機視覺,對數據挖掘、大數據和信息架構有濃厚興趣。

名人/編輯推薦

187張圖解輕鬆入門
提供可執行的Matlab程序代碼
覆蓋機器學習中實用、用途廣的算法
專業實用
東京大學教授、機器學習研究人員執筆,濃縮機器學習的關鍵知識點
圖文並茂
187張圖示幫助理解,詳略得當,為讀懂大部頭開路。
角度新穎
基於ZUI小二乘法講解各種有監督學習的回歸和分類算法,以及無監督學習算法。
實戰導向
配有可執行的MATLAB程序代碼,邊學習邊實踐。

機器學習領域是深不可測的嗎?人工智能是天方夜譚嗎?時至今日,機器學習研究的重要性與可行性已得到廣泛承認,並在模式識別、通信、控制、金融、機器人、生物信息學等許多領域都有著廣泛的應用。
如何自動歸類篩選郵件和網頁?如何向大家推薦你可能感興趣的人?如何預測整體市場行情的好壞?如何從統計學的角度對照片進行歸類?本書就介紹了這樣一些算法。
如果想得到最通俗、簡潔的講解,本書最為合適。
如果想立即知道算法的性能,並期望有可運行的源代碼,本書最為方便。
很多人都是看著日本的動畫長大的。殊不知,大部分日本人都具有熟練的繪畫能力。他們總可以把複雜、枯燥的事物用惟妙惟肖的漫畫生動地表達出來。廣告、網頁、海報,甚至政府公告都圖文並茂。市面上也有不計其數的“圖解……”“圖說……”一類的書籍。本書就是其中一例,這也是本書的最大特點。
杉山將博士今年赴任東京大學教授,他在機器學習領域頗有建樹。他的研究室吸引了來自世界各地的機器學習研究者。本書承襲了日本特有的繪畫特色,依靠作者豐富的機器學習經驗,用最精簡的文字,將原本複雜抽象的數學原理,用形象的漫畫與數據圖形進行了清晰的說明。作者也將最前沿和最核心的研究成果匯集到了本書之中。
本書的側重點不在於機器學習原理的相關推導,而在於結論的分析和應用。讀者朋友可以更快地掌握各種算法的特點和使用方法,提綱挈領地消化應用,而不必拘泥於算法的細節不能自拔。另外,本書旁徵博引,圖文並茂,結構清晰,範例實用豐富,深入淺出地說明了機器學習中最典型和用途最廣泛的算法。
本書內容覆蓋面廣,不但與市面上眾多的機器學習書籍並無重複,更可與其互為補充。大部分算法都有簡潔、現成的MATLAB源代碼,讀者朋友可以輕鬆地進行驗證。以此為原型,再稍加修改擴充,即可做出為自己所用的項目代碼。
機器學習領域日新月異,書中所涉及的概念和術語數目繁多,且有許多概念和術語目前尚無公認的中文譯法。如果有不合讀者朋友習慣的術語出現,請參考譯者註,確認其原始詞意。
本譯稿得到了圖靈公司編輯的悉心指導,她們為保證本書的質量做了大量的補譯、校正及編輯工作,在此表示深深的謝意。
許永偉
2014年12月於東京

目次

目錄

第I部分 緒 論
第 1章 什麼是機器學習 2
1.1 學習的種類 2
1.2 機器學習任務的例子 4
1.3 機器學習的方法 8
第 2章 學習模型 12
2.1 線性模型 12
2.2 核模型 15
2.3 層級模型 17
第II部分 有監督回歸
第3章 **小二乘學習法 22
3.1 **小二乘學習法 22
3.2 **小二乘解的性質 25
3.3 大規模數據的學習算法 27
第4章帶有約束條件的**小二乘法 31
4.1 部分空間約束的**小二乘學習法 31
4.2 l2 約束的**小二乘學習法 33
4.3 模型選擇 37
第5章 稀疏學習 43
5.1 l1 約束的**小二乘學習法 43
5.2 l1 約束的**小二乘學習的求解方法 45
5.3 通過稀疏學習進行特徵選擇 50
5.4 lp約束的**小二乘學習法 51
5.5 l1+l2 約束的**小二乘學習法 52
第6章 魯棒學習 55
6.1 l1 損失**小化學習 56
6.2 Huber損失**小化學習 58
6.3 圖基損失**小化學習 63
6.4 l1 約束的Huber損失**小化學習 65
第III部分 有監督分類
第7章 基於**小二乘法的分類 70
7.1 **小二乘分類 70
7.2 0/1 損失和間隔 73
7.3 多類別的情形 76
第8章 支持向量機分類 80
8.1 間隔**大化分類 80
8.2 支持向量機分類器的求解方法 83
8.3 稀疏性 86
8.4 使用核映射的非線性模型 88
8.5 使用Hinge損失**小化學習來解釋 90
8.6 使用Ramp損失的魯棒學習 93
第9章 集成分類 98
9.1 剪枝分類 98
9.2 Bagging學習法 101
9.3 Boosting 學習法 105
第 10章 概率分類法 112
10.1 Logistic回歸 112
10.2 **小二乘概率分類 116
第 11 章序列數據的分類 121
11.1 序列數據的模型化 122
11.2 條件隨機場模型的學習 125
11.3 利用條件隨機場模型對標籤序列進行預測 128
第IV部分 無監督學習
第 12章 異常檢測 132
12.1 局部異常因子 132
12.2 支持向量機異常檢測 135
12.3 基於密度比的異常檢測 137
第 13章 無監督降維 143
13.1 線性降維的原理 144
13.2 主成分分析 146
13.3 局部保持投影 148
13.4 核函數主成分分析 152
13.5 拉普拉斯特徵映射 155
第 14章 聚類 158
14.1 K均值聚類 158
14.2 核K均值聚類 160
14.3 譜聚類 161
14.4 調整參數的自動選取 163
第V部分 新興機器學習算法
第 15章 在線學習 170
15.1 被動攻擊學習 170
15.2 適應正則化學習 176
第 16章 半監督學習 181
16.1 靈活應用輸入數據的流形構造 182
16.2 拉普拉斯正則化**小二乘學習的求解方法 183
16.3 拉普拉斯正則化的解釋 186
第 17章 監督降維 188
17.1 與分類問題相對應的判別分析 188
17.2 充分降維 195
第 18章 遷移學習 197
18.1 協變量移位下的遷移學習 197
18.2 類別平衡變化下的遷移學習 204
第 19章 多任務學習 212
19.1 使用**小二乘回歸的多任務學習 212
19.2 使用**小二乘概率分類器的多任務學習 215
19.3 多次維輸出函數的學習 216
第VI部分 結 語
第 20章 總結與展望 222
參考文獻 225

您曾經瀏覽過的商品

購物須知

大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大,除封面破損、內頁脫落等較嚴重的狀態,其餘商品將正常出貨。

特別提醒:部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供,需以QR CODE 連結至當地網站註冊“並通過驗證程序”,方可下載使用。

無現貨庫存之簡體書,將向海外調貨:
海外有庫存之書籍,等候約45個工作天;
海外無庫存之書籍,平均作業時間約60個工作天,然不保證確定可調到貨,尚請見諒。

為了保護您的權益,「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。

若要辦理退貨,請在商品鑑賞期內寄回,且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。

優惠價:87 312
海外經銷商無庫存,到貨日平均30天至45天

暢銷榜

客服中心

收藏

會員專區