機器學習 (MATLAB版) 馬昌鳳 9787121457166 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202306*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：機器學習 (MATLAB版)
ISBN：9787121457166
出版社：電子工業
著編譯者：馬昌鳳
頁數：197
所在地：中國大陸 *此為代購商品
書號：1534260
可大量預訂，請先連絡。

內容簡介

本書是機器學習領域的入門教材，詳細闡述了機器學習的基本理論和方法。全書由12章組成，包括緒論、線性模型與邏輯斯諦回歸、決策樹、貝葉斯分類器、k近鄰演算法、支持向量機、人工神經網絡、線性判別分析、主成分分析法、聚類、EM演算法與高斯混合聚類、集成學習等。對每一種機器學習演算法，均從演算法原理的理論推導和MATLAB實現兩方面進行介紹。本書既注意保持理論分析的嚴謹性，又注重機器學習演算法的實用性，同時強調機器學習演算法的思想和原理在計算機上的實現。全書內容選材恰當，系統性強，行文通俗流暢，具有較強的可讀性。 本書的建議課時為48課時，可作為數據科學與大數據技術、計算機科學與技術、統計學以及信息與計算科學等本科專業的教材或教學參考書，也可以作為理工科研究生機器學習課程的教材或參考書。

目錄

第1章 緒論
1 1 機器學習的基本定義
1 2 機器學習的基本術語
1 3 機器學習演算法的分類
1 3 1 監督學習與無監督學習
1 3 2 分類問題與回歸問題
1 3 3 生成模型與判別模型
1 4 學習模型的評價指標
1 4 1 泛化能力
1 4 2 評估方法
1 4 3 精度與召回率
1 5 學習模型的選擇
1 5 1 正則化技術
1 5 2 偏差-方差分解
1 6 機器學習的用途與發展簡史
1 6 1 機器學習應用的基本流程
1 6 2 機器學習的應用領域與發展簡史
第2章 線性模型與邏輯斯諦回歸
2 1 線性模型的基本形式
2 1 1 線性回歸模型的理論基礎
2 1 2 線性回歸模型的MATLAB實現
2 2 邏輯斯諦回歸模型
2 2 1 邏輯斯諦回歸的基本原理
2 2 2 邏輯斯諦回歸的MATLAB實現
第3章 決策樹
3 1 決策樹的基本原理
3 1 1 樹模型決策過程
3 1 2 決策樹的基本框架
3 1 3 決策樹的剪枝
3 2 基本決策樹的改進
3 2 1 信息增益與ID3決策樹
3 2 2 增益率與C4 5決策樹
3 2 3 基尼指數與CART決策樹
3 3 決策樹的MATLAB實現
第4章 貝葉斯分類器
4 1 貝葉斯分類器的原理
4 1 1 貝葉斯決策
4 1 2 樸素貝葉斯演算法
4 1 3 正態貝葉斯演算法
4 2 貝葉斯演算法的MATLAB實現
第5章 k近鄰演算法
5 1 k近鄰演算法的基本原理
5 1 1 k近鄰演算法的基本流程
5 1 2 k近鄰演算法的距離函數
5 1 3 k近鄰演算法的判別函數
5 2 k近鄰演算法的MATLAB實現
第6章 支持向量機
6 1 支持向量機的基本原理
6 1 1 線性可分問題
6 1 2 線性不可分問題
6 2 核化支持向量機
6 3 支持向量回歸模型
6 4 支持向量機的MATLAB實現
第7章 人工神經網絡
7 1 前饋神經網絡簡介
7 1 1 M-P神經元
7 1 2 感知器模型
7 1 3 多層前饋神經網絡
7 2 誤差逆傳播演算法
7 2 1 一個單隱層神經網絡實例
7 2 2 通用的誤差逆傳播演算法
7 3 BP神經網絡的MATLAB實現
第8章 線性判別分析
8 1 線性判別分析的基本原理
8 2 線性判別分析的MATLAB實現
第9章 主成分分析法
9 1 主成分分析法的基本原理
9 2 核主成分分析法
9 3 PCA演算法的MATLAB實現
9 4 快速PCA演算法及其MATLAB實現
第10章 聚類
10 1 聚類的基本原理
10 2 k-均值演算法
10 3 k-中心點演算法
第11章 EM演算法與高斯混合聚類
11 1 高斯混合模型
11 2 EM演算法的推導
11 3 EM演算法的應用
11 4 GMM的MATLAB實現
11 4 1 GMM的生成
11 4 2 GMM的參數擬合
11 4 3 高斯混合聚類實例
第12章 集成學習
12 1 集成學習概述
12 1 1 集成學習的基本概念
12 1 2 模型的并行生成
12 1 3 模型的串列生成
12 1 4 模型的組合策略
12 2 隨機森林
12 2 1 Bagging演算法
12 2 2 隨機森林演算法
12 2 3 隨機森林演算法的MATLAB實現
12 3 AdaBoost演算法
12 3 1 AdaBoost演算法的基本原理
12 3 2 AdaBoost演算法的MATLAB實現
附錄A 數學基礎知識
A 1 概率與統計
A 1 1 隨機變數與概率
A 1 2 條件概率與獨立性
A 1 3 期望與馬爾可夫不等式
A 1 4 方差與切比雪夫不等式
A 1 5 樣本均值與樣本方差
A 1 6 極大似然估計
A 2 最優化方法
A 2 1 無約束優化方法
A 2 2 約束優化與KKT條件
A 2 3 二次規劃
A 3 矩陣與微分
A 3 1 矩陣的基本運算
A 3 2 矩陣對標量的導數
A 3 3 矩陣變數函數的導數
A 3 4 向量函數的導數
A 3 5 特徵值分解和奇異值分解
附錄B 機器學習實驗
B 1 實驗報告的格式
B 2 機器學習實驗
參考文獻
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。