本站整理下载：

 

用户下载说明：

电子版仅供预览，下载后24小时内务必删除，支持正版，喜欢的请购买正版书籍：

http://product.dangdang.com/1757457303.html

  

相关截图：



资料简介：
统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。
本书分为监督学 习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。
包括感知机、k 近邻法、朴素贝 叶斯法、决策树、逻辑斯谛回归与*熵模型、
支持向量机、提升方法、EM 算法、隐马尔可夫 模型和条件随机场，以及聚类方法、
奇异值分解、主成分分析、潜在语义分析、概率潜在语义分 析、马尔可夫链蒙特卡罗法、
潜在狄利克雷分配和 PageRank 算法等。除有关统计学习、监督学 习和无监督学习的概
论和总结的四章外，每章介绍一种方法。叙述力求从具体问题或实例入手， 由浅入深，
阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。 
为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，
资料目录：

DY篇  监督学习

 

 

 

第二篇 无监督学习

 

第13章 无监督学习概论

 

    13.1.1  无监督学习基本原理

 

    13.1.2  基本问题

 

    13.1.3  机器学习三要素

 

    13.1.4  无监督学习方法

 

 

 

 

 

第14章 聚类方法

 

    14.1  聚类的基本概念

 

        14.1.1  相似度或距离

 

        14.1.2  类或簇

 

        14.1.3  类与类之间的距离

 

    14.2  层次聚类

 

    14.3  k均值聚类

 

        14.3.1  模型

 

        14.3.2  策略

 

        14.3.3  算法

 

        14.3.4  算法特点

 

    本章概要

 

    继续阅读

 

    习题

 

    参考文献

 

 

 

 

 

第15章  奇异值分解

 

    15.1  奇异值分解的定义与性质

 

        15.1.1  定义与定理

 

        15.1.2  紧奇异值分解与截断奇异值分解

 

        15.1.3  几何解释

 

        15.1.4  主要性质

 

    15.2  奇异值分解的计算

 

    15.3  奇异值分解与矩阵近似

 

        15.3.1  弗罗贝尼乌斯范数

 

        15.3.2  矩阵的*优近似

 

        15.3.3  矩阵的外积展开式

 

    本章概要

 

    继续阅读

 

    习题

 

    参考文献

 

 

 

 

 

第16章  主成分分析

 

    16.1  总体主成分分析

 

        16.1.1  基本想法

 

        16.1.2  定义和导出

 

        16.1.3  主要性质

 

        16.1.4  主成分的个数

 

        16.1.5  规范化变量的总体主成分

 

    16.2  样本主成分分析

 

        16.2.1  样本主成分的定义和性质

 

        16.2.2  相关矩阵的特征值分解算法

 

        16.2.3  数据局正的奇异值分解算法

 

    本章概要

 

    继续阅读

 

    习题

 

    参考文献

 

 

 

 

 

第17章  潜在语义分析

 

    17.1  单词向量空间与话题向量空间

 

        17.1.1  单词向量空间

 

        17.1.2  话题向量空间

 

    17.2  潜在语义分析算法

 

        17.2.1  矩阵奇异值分解算法

 

        17.2.2  例子

 

    17.3  非负矩阵分解算法

 

        17.3.1  非负矩阵分解

 

        17.3.2  潜在语义分析模型

 

        17.3.3  非负矩阵分解的形式化

 

        17.3.4  算法

 

    本章概要

 

    继续阅读

 

    习题

 

    参考文献

 

 

 

 

 

第18章  概率潜在语义分析

 

    18.1  概率潜在语义分析模型

 

        18.1.1  基本想法

 

        18.1.2  生成模型

 

        18.1.3  共现模型

 

        18.1.4  模型性质

 

    18.2  概率潜在语义分析的算法

 

    本章概要

 

    继续阅读

 

    习题

 

    参考文献

 

 

 

 

 

 

 

第19章  马尔可夫链蒙特卡罗法

 

    19.1  蒙特卡罗法

 

        19.1.1  随机抽样

 

        19.1.2  数学期望估计

 

        19.1.3  积分计算

 

    19.2  马尔可夫链

 

        19.2.1  基本定义

 

        19.2.2  离散状态马尔可夫链

 

        19.2.3  连续状态马尔可夫链

 

        19.2.4  马尔可夫链的性质

 

    19.3  马尔可夫链蒙特卡罗法

 

        19.3.1  基本想法

 

        19.3.2  基本步骤

 

        19.3.3  马尔可夫链蒙特卡罗法与统计学习

 

    19.4  Metropolis-Hastings算法

 

        19.4.1  基本原理

 

        19.4.2  Metropolis-Hastings算法

 

        19.4.3  单分量Metropolis-Hastings算法

 

    19.5  吉布斯抽样

 

        19.5.1  基本原理

 

        19.5.2  吉布斯抽样算法

 

        19.5.3  抽样计算

 

    本章概要

 

    继续阅读

 

    习题

 

    参考文献

 

 

 

 

 

第20章  潜在狄利克雷分配

 

    20.1  狄利克雷分布

 

        20.1.1  分布定义

 

        20.1.2  共轭先验

 

    20.2  潜在狄利克雷分配模型

 

        20.2.1  基本想法

 

        20.2.2  模型定义

 

        20.2.3  概率图模型

 

        20.2.4  随机变量序列的可交换性

 

        20.2.5  概率公式

 

    20.3  LDA的吉布斯抽样算法

 

        20.3.1  基本想法

 

        20.3.2  算法的主要部分

 

        20.3.3  算法的后处理

 

        20.3.4  算法

 

    20.4  LDA的变分EM算法

 

        20.4.1  变分推理

 

        20.4.2  变分EM算法

 

        20.4.3  算法推导

 

        20.4.4  算法总结

 

    本章概要

 

    继续阅读

 

    习题

 

    参考文献

 

 

 

 

 

第21章  PageRank算法

 

    21.1  PageRank的定义

 

        21.1.1  基本想法

 

        21.1.2  有向图和随机游走模型

 

        21.1.3  PageRank的基本定义

 

        21.1.4  PageRank的一般定义

 

    21.2  PageRank的计算

 

        21.2.1  迭代算法

 

        21.2.2  幂法

 

        21.3.3  代数算法

 

    本章概要

 

    继续阅读

 

    习题

 

    参考文献

 

 

 

 

 

第22章  无监督学习方法总结

 

    22.1  无监督学习方法的关系和特点

 

        22.1.1  各种方法之间的关系

 

        22.1.2  无监督学习方法

 

        22.1.3  基础及其学习方法

 

    22.2  话题模型之间的关系和特点

 

    参考文献

 

 

 

    附录A  梯度下降法

 

    附录B  牛顿法和拟牛顿法

 

    附录C  拉格朗日对偶性

 

    附录D  矩阵的基本子空间

 

    附录E  KL散度的定义和狄利克雷分布的性质

 

 

 

      索引