新書推薦：
《
战国竹书复原综论
》
售價：NT$
449.0
《
走出内心的深渊：快节奏人群心理疾病与健康指南（原书第3版）
》
售價：NT$
352.0
《
如何成为一家千亿公司
》
售價：NT$
347.0
《
趋势跟踪： 汤姆·巴索的交易谋略
》
售價：NT$
352.0
《
滚滚红尘（《滚滚红尘》电影原著）
》
售價：NT$
250.0
《
罗马之变（法语直译，再现罗马共和国走向罗马帝国的辉煌历史）
》
售價：NT$
500.0
《
自然之争：1600年以来苏格兰和英格兰北部地区的环境史（新史学译丛）
》
售價：NT$
485.0
《
硝烟下的博弈：工业革命与中西方战争
》
售價：NT$
398.0
|
| 編輯推薦： |
系统阐述机器学习的基本理论、算法和实现。
每章配有基于Python的实验，方便读者编程实现。
书后附有丰富的彩色插图，引导读者对理论的理解。
配套提供电子课件、微课视频、习题答案、教学大纲、源代码、试卷。
|
| 內容簡介： |
本书系统阐述了机器学习的基本理论、算法和实现。全书共11章：第1章着重介绍了机器学习的基本知识；第2章介绍了样本数据预处理和提取的传统算法（如PCA和LDA），并增加了流形学习和稀疏表征等理论；第3~8章系统介绍了传统机器学习算法，如监督学习（贝叶斯、近邻、线性模型、非线性模型和集成学习）和非监督学习（聚类）；第9、10章分别介绍了概率图模型和人工神经网络的基本理论；第11章着重讲述了强化学习的基本理论和算法。
本书针对理论难点，插入了可视化图，引导读者对理论的理解；每章配有习题，以便指导读者深入地进行学习。每章还配有基于Python的实验，便于工程类读者快速将理论转化为实践应用，也方便学术型读者编程实现。
本书既可作为高等院校本科和研究生人工智能、控制工程、信息处理和智能制造等相关专业的课程教材，也可作为信息系统开发和大数据分析人员的技术参考书。
|
| 關於作者： |
|
胡晓，广州大学教授，从事电子信息、电气工程、自动化等相关专业的本科教学，曾主持广东省教育厅教研改革项目1项，发表教研论文3篇。曾三次获 “最受学生欢迎老师”和三次 “教学优秀一等奖”，于2009年获得“南粤优秀教师”。从事类脑机器视觉类脑机器学习、机器视觉和智能控制等相关领域研究，主持国家和广东省自然科学基金项目各1项，广东省科技计划项目1项和广州市资助科研项目2项。在Pattern Recognition等期刊SCI检索和人工智能国际会议(AAAI-20)发表学术论文9篇。获省科技进步奖三等奖1项。 目前为Transactions on Image Processing等国际期刊审稿。
|
| 目錄：
|
前言
第1章基本知识
11什么是机器学习
111属性
112标注
12机器学习的分类
121监督与无监督学习
122分类与回归
13模型评估
131分类模型评估
132回归模型评估
14优化
141损失函数
142目标函数
143最小二乘法
144梯度下降法
145梯度修正
146学习率调整
15小结与拓展
实验一：模型评价函数编程实验
习题
参考文献
第2章表征学习
21表征学习的目的
22数据预处理
23主成分分析
231目标函数
232基于主成分分析表征学习模型
233人脸PCA表征学习
24线性鉴别分析
241类内散布矩阵和类间散布矩阵
242类可判别性测度
243LDA原理
244人脸的LDA表征学习
25多维缩放
26流形学习
261流形
262等度量映射
263局部线性嵌入
27随机近邻嵌入
271基本随机近邻嵌入
272t分布随机近邻嵌入
28稀疏表征
281压缩感知
282重构算法
283字典学习
284压缩感知在人脸识别中的应用
29小结与拓展
实验二：表征学习实验
习题
参考文献
第3章贝叶斯分类器
31贝叶斯基本概念
32贝叶斯决策准则
33高斯混合模型
34未知概率密度函数估计
341极大似然估计
342极大后验概率估计
343期望极大算法
35朴素贝叶斯
36拉普拉斯平滑
37小结与拓展
实验三：贝叶斯分类器实验
习题
第4章近邻分类器
41近邻规则
42加权近邻分类器
43近邻分类器加速策略
431移除消极样本
432构建搜索树
433部分维度距离计算
44小结与拓展
实验四：近邻分类器实验
习题
参考文献
第5章线性模型
51二类线性模型
52Lasso回归
521Lasso回归求解
522坐标轴下降法
53逻辑回归
54支持向量机
541线性可分支持向量机
542近似线性可分支持向量机
55多类线性模型
551基本策略
552Softmax回归
56类不平衡问题
561阈值移动
562数据再平衡
57小结与拓展
实验五：线性模型实验
习题
参考文献
第6章非线性模型
61二次判别分析
62核方法
621希尔伯特空间
622核函数
623常用核函数
624核函数的应用
63小结与拓展
实验六：非线性模型实验
习题
参考文献
第7章集成学习
71集成学习理论依据
72集成学习机制
73决策树
731什么是决策树
732ID3和C45
733分类回归树
734剪枝
74随机森林
75自适应助推
751学习过程
752基本原理
76小结与拓展
实验七：集成学习实验
习题
参考文献
第8章聚类
81聚类基本理论
811聚类的性质
812相似性测度
813类簇中心
814聚类算法评价指标
82K均值聚类
83层次聚类
831凝聚筑巢
832平衡迭代削减层次聚类
84密度聚类
841DBSCAN
842高斯混合聚类
85小结与拓展
实验八：聚类实验
习题
参考文献
第9章概率图模型
91联合概率
92概率有向图模型
921基本概念
922有向分离
923贝叶斯网络
924隐马尔可夫模型
93概率无向图模型
931条件独立性
932团和势函数
933条件随机场
934马尔可夫随机场在图像处理中的应用
935条件随机场在自然语言处理中的应用
94因子图与和积算法
941因子图
942置信传播
95小结与拓展
实验九：概率图模型实验
习题
参考文献
第10章人工神经网络
101神经元及其基本模型
102激活函数
1021饱和激活函数
1022校正线性单元
1023swish激活函数
1024其他激活函数
103感知机
1031参数学习
1032感知机的异或难题
104前馈神经网络
1041前馈神经网络模型
1042三层前向神经网络实现异或门
1043反向传播算法
105卷积神经网络
1051互相关和卷积
1052卷积神经网络架构
1053卷积神经网络残差反向传播
106简单卷积神经网络
1061LeNet-5
1062AlexNet
1063VGGNet
1064Inception
1065ResNet
107小结与拓展
实验十：人工神经网络实验
习题
参考文献
第11章强化学习
111强化学习概述
1111基本概念
1112策略评估和策略控制
1113强化学习分类
112表格强化学习
1121蒙特卡洛
1122动态规划
1123时序差分学习
113深度强化学习
1131深度Q网络(DQN)
1132Dueling 网络
114小结与拓展
实验十一：强化学习实验
习题
参考文献
|
| 內容試閱：
|
机器学习已经广泛应用于现代制造业、农业、交通、航空航天和通信等领域，给产业部门生产和管理赋予了智能化，极大地提高了生产力，是新质生产力的基本理论。机器学习在人们日常消费中也得到了广泛应用，改善了人民的生活质量。
目前，大部分国内高等院校相关专业都开设了机器学习或相关课程。国内也涌现了许多相关优秀教材，这些教材大体可分为两类。其中，一类教材理论层次较深，通常要求读者具有一定的数学理论基础，较适合于有数学、计算机或控制工程专业背景的读者；另一类则是注重实践开发，此类教材理论介绍不多，适合于毕业后从事工程开发的普通高校和专科院校的学生。
在国内在读研究生群体中，即便硕士阶段所学专业是计算机、人工智能和控制工程等专业，由于并不具备学习机器学习所需要的相关基础知识，他们可能在学习阶段没有时间补充相关基础知识，这就需要一本层次介于上述两类教材之间的“机器学习”教材。
为适应国内大量普通高等院校学生的需要，编者撰写本书旨在将理论和实践结合，将抽象理论形象化，以便更多读者能够学习并会应用。
本书对理论有一定的推导，并且配有丰富的插图（部分图片彩色印刷，请见书后插页），阅读时不需要较深的数学理论，非数学、计算机或控制工程专业读者也可以选购阅读。书中所介绍的实验都是在PyCharm环境下调试运行通过的，建议读者具备一定的Python编程基础。
本书提供知识点视频，可通过扫描书中二维码观看视频。本书每章配备一个实验，所有实验由在读研究生张洪涛、姬广毅和朱铭津上机验证并录制视频。书中很多插图由胡沁夏绘制。
本书可作为相关专业本科生或研究生的课程教材，每章后附有习题。建议本科生授课课时64学时（包括16学时实验），研究生授课课时32学时（学生根据研究兴趣选择完成）。
本书得到了广州大学研究生优秀教材资助，诚表感谢！
感谢父母的谆谆教导和培养、妻子的支持和儿子的期望！
本书在编写过程中参考了国内外一些优秀书籍，在此表示诚挚的谢意！
由于时间仓促和编者水平有限，书中难免存在错误和不妥之处，恳请读者谅解并提出宝贵意见。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
