图书介绍
图解机器学习PDF|Epub|txt|kindle电子书版本网盘下载
- （日）杉山将著；许永伟译 著
- 出版社： 北京：人民邮电出版社
- ISBN：9787115388025
- 出版时间：2015
- 标注页数：226页
- 文件大小：46MB
- 文件页数：242页
- 主题词：机器学习－图解
PDF下载
下载说明
图解机器学习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。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Ⅰ部分 绪论2
第1章 什么是机器学习2
1.1学习的种类2
1.2机器学习任务的例子4
1.3机器学习的方法8
第2章 学习模型12
2.1线性模型12
2.2核模型15
2.3层级模型17
第Ⅱ部分 有监督回归22
第3章 最小二乘学习法22
3.1最小二乘学习法22
3.2最小二乘解的性质25
3.3大规模数据的学习算法27
第4章 带有约束条件的最小二乘法31
4.1部分空间约束的最小二乘学习法31
4.2 e2约束的最小二乘学习法33
4.3模型选择37
第5章 稀疏学习43
5.1 e1约束的最小二乘学习法43
5.2 e1约束的最小二乘学习的求解方法45
5.3通过稀疏学习进行特征选择50
5.4 ep约束的最小二乘学习法51
5.5 e1＋e2约束的最小二乘学习法52
第6章 鲁棒学习55
6.1 e1损失最小化学习56
6.2 Huber损失最小化学习58
6.3图基损失最小化学习63
6.4 e1约束的Huber损失最小化学习65
第Ⅲ部分 有监督分类70
第7章 基于最小二乘法的分类70
7.1最小二乘分类70
7.2 0/1损失和间隔73
7.3多类别的情形76
第8章 支持向量机分类80
8.1间隔最大化分类80
8.2支持向量机分类器的求解方法83
8.3稀疏性86
8.4使用核映射的非线性模型88
8.5使用Hinge损失最小化学习来解释90
8.6使用Ramp损失的鲁棒学习93
第9章 集成分类98
9.1剪枝分类98
9.2 Bagging学习法101
9.3 Boosting学习法105
第10章 概率分类法112
10.1 Logistic回归112
10.2最小二乘概率分类116
第11章 序列数据的分类121
11.1序列数据的模型化122
11.2条件随机场模型的学习125
11.3利用条件随机场模型对标签序列进行预测128
第Ⅳ部分 无监督学习132
第12章 异常检测132
12.1局部异常因子132
12.2支持向量机异常检测135
12.3基于密度比的异常检测137
第13章 无监督降维143
13.1线性降维的原理144
13.2主成分分析146
13.3局部保持投影148
13.4核函数主成分分析152
13.5拉普拉斯特征映射155
第14章 聚类158
14.1K均值聚类158
14.2核K均值聚类160
14.3谱聚类161
14.4调整参数的自动选取163
第Ⅴ部分 新兴机器学习算法170
第15章 在线学习170
15.1被动攻击学习170
15.2适应正则化学习176
第16章 半监督学习181
16.1灵活应用输入数据的流形构造182
16.2拉普拉斯正则化最小二乘学习的求解方法183
16.3拉普拉斯正则化的解释186
第17章 监督降维188
17.1与分类问题相对应的判别分析188
17.2充分降维195
第18章 迁移学习197
18.1协变量移位下的迁移学习197
18.2类别平衡变化下的迁移学习204
第19章 多任务学习212
19.1使用最小二乘回归的多任务学习212
19.2使用最小二乘概率分类器的多任务学习215
19.3多次维输出函数的学习216
第Ⅵ部分 结语222
第20章 总结与展望222
参考文献225