機器學習-Python版.微課視頻版 劉昶 余化鵬 周安然 9787302686248 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*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：202505*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-Python版.微課視頻版
ISBN：9787302686248
出版社：清華大學
著編譯者：劉昶 余化鵬 周安然
頁數：149
所在地：中國大陸 *此為代購商品
書號：1732491
可大量預訂，請先連絡。

內容簡介 本書理論和實踐並重，強化算法思想講解，既有理論的系統講解、公式的詳細推導，也有Python代碼實現的詳細講解，同時突出獨立思考、提出問題能力的培養。 全書共9章，涵蓋了機器學習的基本內容，主要包括概述、離散變數與分類、連續變數與線性回歸、維數災難與降維、K均值聚類、生成模型與貝葉斯分類器、自監督與大語言模型、環境監督與強化學習、綜合實驗等。本書適用於本科生及研究生的課程教學。模型和算法採用Python從零實現，只依賴Python、NumPy和Matplotlib，不依賴已有的機器學習庫，是學習機器學習的最小知識集。 本書可作為高等院校計算機類相關專業的「機器學習」課程教材，也可作為對機器學習感興趣的讀者的自學讀物，還可作為相關行業技術人員的參考用書。

目錄 第1章 概述
1 1 什麼是機器學習
1 1 1 有監督學習
1 1 2 無監督學習
1 1 3 自監督學習
1 1 4 環境監督與強化學習
1 2 機器學習的三個重要方面
1 2 1 數據的表示
1 2 2 模型的最優化
1 2 3 模型的評估
1 3 機器學習的歷史與現狀
1 4 拓展閱讀
1 5 習題
第2章 離散變數與分類
2 1 K近鄰（KNN）分類器
2 1 1 KNN算法簡介
2 1 2 KNN算法的距離計算
2 1 3 KNN算法的k值選擇
2 1 4 KNN算法的決策規則
2 1 5 KNN算法小結
2 1 6 KNN核心代碼
2 1 7 習題
2 2 決策樹
2 2 1 決策樹的決策過程
2 2 2 決策樹學習算法的基本流程
2 2 3 劃分屬性的選擇
2 2 4 其他屬性選取指標
2 2 5 剪枝處理
2 2 6 決策樹的核心代碼實現
2 2 7 習題
2 3 對數幾率回歸
2 3 1 線性分類模型
2 3 2 對數幾率函數
2 3 3 對數幾率回歸
2 3 4 隨機梯度下降
2 3 5 與K近鄰和決策樹的比較
2 3 6 對數幾率回歸的核心代碼實現
2 3 7 習題
2 4 支持向量機
2 4 1 二分類與決策面
2 4 2 最大間隔分類器
2 4 3 最優化問題的轉換
2 4 4 線性不可分的情況
2 4 5 最優化問題的求解
2 4 6 使用求解的SVM進行預測
2 4 7 核函數與核方法
2 4 8 軟間隔SVM的核心代碼實現
2 4 9 拓展閱讀
2 4 10 習題
2 5 神經網絡
2 5 1 全連接多層神經網絡
2 5 2 萬能逼近定理
2 5 3 學習算法
2 5 4 關於可解釋性的討論
2 5 5 全連接神經網絡的核心代碼實現
2 5 6 應用到Mnist手寫數字識別
2 5 7 拓展閱讀
2 6 習題
第3章 連續變數與線性回歸
3 1 基本線性回歸
3 2 嶺回歸
3 3 基本線性回歸的一個改進：局部加權線性回歸
3 4 LASSO回歸
3 5 線性回歸的核心代碼實現
3 5 1 基本線性回歸
3 5 2 局部加權線性回歸
3 5 3 嶺回歸
3 6 習題
第4章 維數災難與降維
4 1 基本概念
4 2 主成分分析
4 2 1 最大化投影方差推導
4 2 2 最小化投影誤差推導
4 2 3 核心代碼實現
4 3 奇異值分解
4 3 1 奇異值分解的公式
4 3 2 奇異值分解的原理
4 3 3 矩陣的SVD層級分解
4 3 4 SVD的核心代碼實現
4 4 習題
第5章 K均值聚類
5 1 聚類分析概念
5 2 K-means聚類算法的原理
5 3 K-means聚類算法中k值的選取方式
5 4 K-means聚類算法的優缺點
5 5 K-means++聚類算法
5 6 K-means聚類的核心代碼實現
5 6 1 K-means聚類算法
5 6 2 二分K-means聚類算法
5 7 習題
第6章 生成模型與貝葉斯分類器
6 1 貝葉斯最優分類器
6 2 樸素貝葉斯分類器
6 3 半樸素貝葉斯分類器和貝葉斯網
6 4 樸素貝葉斯分類器核心代碼實現
6 4 1 詞集與情緒分類
6 4 2 詞袋與垃圾郵件過濾
6 5 習題
第7章 自監督與大語言模型
7 1 Transformer
7 1 1 自注意力
7 1 2 詞嵌入
7 1 3 位置編碼
7 1 4 編碼器和解碼器
7 2 GPT與大語言模型的預訓練
7 3 拓展閱讀
第8章 環境監督與強化學習
8 1 ChatGPT的三階段訓練流程
8 2 強化學習的形式化
8 3 策略最優化算法
8 3 1 事後獎勵
8 3 2 基於優勢函數的策略梯度
8 3 3 近端策略最優化
8 4 環境構建與訓練獎勵模型
8 5 拓展閱讀
第9章 綜合實驗
9 1 K近鄰（KNN）分類器與手寫數字識別任務
9 2 決策樹與隱形眼鏡類型預測
9 3 對率回歸與預測病馬死亡
9 4 支持向量機與預測病馬死亡
9 5 全連接神經網絡與Mnist手寫數字識別
9 6 線性回歸與預測鮑魚年齡
9 7 PCA與數據壓縮
9 8 PCA與數據預處理
9 9 PCA與特徵臉
9 10 奇異值分解與餐館菜肴推薦
9 11 K-means聚類與地理坐標聚類
9 12 樸素貝葉斯與文本分類
附錄 kNN的最大后驗概率解釋
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。