元學習在自動機器學習和數據挖掘中的應用 (原書第二版) 李欣 9787030755346 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：科學
物品所在地：中國大陸
原出版社：科學
NT$1,259
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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：202406*若逾兩年請先於私訊洽詢存貨情況，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：元學習在自動機器學習和數據挖掘中的應用 (原書第二版) ISBN：9787030755346 出版社：科學 著編譯者：李欣 頁數：325 所在地：中國大陸 *此為代購商品 書號：1647419 可大量預訂，請先連絡。 內容簡介 本書全面而透徹地介紹了元學習和AutoML的幾乎所有方面，涵蓋了基本概念和架構、評估、數據集、超參數優化、集成和工作流，以及如何使用這些知識來選擇、組合、調整和配置演算法和模型，以更快更好地解決數據挖掘和數據科學問題。因此，它可以幫助開發人員開發可以通過經驗改進自己的系統。 本書是2009年第一版的重大更新，共18章，內容幾乎是上一版的兩倍。這是作者能夠更深入地涵蓋最相關的主題，並結合各自領域最新研究的概述。本書適用於對機器學習、數據挖掘、數據科學和人工智慧領域感興趣的研究人員、研究生及該領域的從業人員。作者簡介 帕維爾·布拉茲迪爾，波爾圖，波爾圖人工智慧與決策支持實驗室；波爾圖大學商學院。目錄 前言本書的基本架構 致謝 第一部分 基本概念與架構 第1章 簡介 1 1 本書的結構 1 2 基本概念與架構（第一部分） 1 2 1 基本概念 1 2 2 問題類型 1 2 3 元學習與AutoML系統的基本架構 1 2 4 使用來自先驗數據集的元數據進行演算法選擇（第2、5章） 1 2 5 不同系統的評價與比較（第3章） 1 2 6 數據集特徵/元特徵的作用（第4章） 1 2 7 不同類型的元級模型（第5章） 1 2 8 超參數優化（第6章） 1 2 9 工作流設計的自動化方法（第7章） 1 3 先進技術和方法（第二部分） 1 3 1 設置構形空間和實驗（第8章） 1 3 2 集成學習與數據流的自動化方法 1 3 3 元模型的跨任務遷移（第12章） 1 3 4 深度神經網路的元學習（第13章） 1 3 5 數據科學自動化與複雜系統設計 1 4 實驗結果的儲存庫（第三部分） 1 4 1 元數據的儲存庫（第16章） 1 4 2 學習儲存庫中的元數據（第17章） 1 4 3 結束語（第18章） 參考文獻 第2章 演算法選擇的元學習方法（一）（排序設置） 2 1 簡介 2 2 不同形式的推薦 2 2 1 演算法集中的最佳演算法 2 2 2 最優演算法子集 2 2 3 線性排序 2 2 4 準線性（弱）排序 2 2 5 不完全排序 2 2 6 在特定的預算範圍內尋找最佳演算法 2 3 演算法選擇所需的排序模型 2 3 1 以排序的形式生成元模型 2 3 2 使用排序元模型進行預測（top-n策略） 2 3 3 對建議排序的評價 2 4 實施精度與運行時間的組合測度 2 5 擴展及其他方法 2 5 1 採用平均排序法推薦工作流 2 5 2 排序可能會降低數據集專家級演算法的等級 2 5 3 基於DEA多準則分析的方法 2 5 4 利用數據集的相似性來識別元數據的相關部分 2 5 5 處理不完全排序 參考文獻 第3章 學習/自動機器學習（AutoML）系統評價建議 3 1 簡介 3 2 基礎演算法的評估方法 3 2 1 泛化誤差 3 2 2 評估策略 3 2 3 損失函數和損失 3 3 基礎演算法的性能歸一化 3 4 元學習與AutoML系統的評估方法 3 4 1 留出策略下的一次通過性評估 3 4 2 採用交叉驗證的元級評估 3 5 根據相關度評估推薦 3 6 評估推薦的效果 3 6 1 性能損失和損失曲線 3 6 2 用曲線下面積表徵損失曲線 第二部分 先進技術和方法 第三部分 組織和利用元數據 插圖 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
