| 失效链接处理 |
|
机器学习算法导论 PDF 下载
下载地址：
版权归出版社和原作者所有，链接已删除，请购买正版
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/681416747.html
相关截图：  资料简介： 《机器学习算法导论》全面讲述机器学习理论基础、算法实现及使用方法。第1章简要介绍机器学习及其算法；第2～9章主要介绍监督式学习算法，其中包括监督式学习算法基础、线性回归算法、机器学习中的搜索算法、Logistic回归算法、支持向量机算法、决策树、神经网络和深度学习；第10、11章着重介绍无监督学习算法，其中包括降维算法和聚类算法；第12章讲述强化学习的相关知识；附录提供了学习《机器学习算法导论》的数学基础知识和Python语言与机器学习工具库。《机器学习算法导论》可作为计算机科学与技术、智能科学与技术等专业高年级本科生和研究生教材，也可供人工智能领域特别是机器学习方向从事研究、开发工作的科技人员参考。 资料目录：
第1章?机器学习算法概述
1．1?什么是机器学习
1．2?机器学习的形式分类
1．2．1?监督式学习
1．2．2?无监督学习
1．2．3?强化学习
1．3?机器学习算法综览
1．4?有关术语的约定
小结
第2章?监督式学习算法基础
2．1?监督式学习基本概念
2．2?经验损失*小化架构
2．3?监督式学习与经验损失*小化实例
2．4?正则化算法
小结
习题
第3章?线性回归算法
3．1?线性回归基本概念
3．2?线性回归优化算法
3．3?多项式回归
3．4?线性回归的正则化算法
3．5?线性回归的特征选择算法
3．5．1?逐步回归
3．5．2?分段回归
小结
习题
第4章?机器学习中的搜索算法
4．1?梯度下降算法与次梯度下降算法
4．2?随机梯度下降算法
4．3?牛顿迭代算法
4．4?坐标下降算法
小结
习题
第5章?Logistic回归算法
5．1?Logistic回归基本概念
5．2?Logistic回归优化算法
5．3?分类问题的度量
5．3．1?准确率
5．3．2?**率与召回率
5．3．3?ROC曲线及AUC度量
5．4?Softmax回归
5．4．1?Softmax回归基本概念
5．4．2?Softmax回归优化算法
5．4．3?Softmax模型与指数分布族
小结
习题
第6章?支持向量机算法
6．1?支持向量机基本概念
6．1．1?支持向量机思想起源
6．1．2?支持向量机的凸优化描述
……
|
| Java1234官方群25： | 
|
| Java1234官方群25： | 838462530 |
苏公网安备 32061202001004号
