机器学习
查看您的阅读历史
- 类别：
- 先进制造技术
- | 关键字：
- 机器
- 作者：
- 周志华
- 出版社：
- 清华大学出版社
- 出版时间：
- 2016-01-01
- 定价：
- ￥108.00
- 京东价：￥79.00
- 版权说明：
- 授权连载 不得转载
1绪论
- 第一节 引言
- 第二节 基本术语
- 第三节 假设空间
- 第四节 归纳偏好
- 第五节 发展历程
- 第六节 应用现状
- 第七节 阅读材料
2模型评估与选择
- 第一节 经验误差与过拟合
- 第二节 评估方法
- 第三节 性能度量
- 第四节 比较检验
- 第五节 偏差与方差
- 第六节 阅读材料
3线性模型
- 第一节 基本形式
- 第二节 线性回归
- 第三节 对数几率回归
- 第四节 线性判别分析
- 第五节 多分类学习
- 第六节 类别不平衡问题
- 第七节 阅读材料
4决策树
- 第一节 基本流程
- 第二节 划分选择
- 第三节 剪枝处理
- 第四节 连续与缺失值
- 第五节 多变量决策树
- 第六节 阅读材料
5神经网络
- 第一节 神经元模型
- 第二节 感知机与多层网络
- 第三节 误差逆传播算法
- 第四节 全局最小与局部极小
- 第五节 其他常见神经网络
- 第六节 深度学习
- 第七节 阅读材料
6支持向量机
- 第一节 间隔与支持向量
- 第二节 对偶问题
- 第三节 核函数
- 第四节 软间隔与正则化
- 第五节 支持向量回归
- 第六节 核方法
- 第七节 阅读材料
7贝叶斯分类器
- 第一节 贝叶斯决策论
- 第二节 极大似然估计
- 第三节 朴索贝叶斯分类器
- 第四节 半朴素贝叶斯分类器
- 第五节 贝叶斯网
- 第六节 EM算法
- 第七节 阅读材料
8集成学习
- 第一节 个体与集成
- 第二节 Boosting
- 第三节 Bagging与随机森林
- 第四节 结合策略
- 第五节 多样性
- 第六节 阅读材料
9聚类
- 第一节 聚类任务
- 第二节 性能度量
- 第三节 距离计算
- 第四节 原型聚类
- 第五节 密度聚类
- 第六节 层次聚类
- 第七节 阅读材料
10降维与度量学习
- 第一节 k近邻学习
- 第二节 低维嵌入
- 第三节 主成分分析
- 第四节 核化线性降维
- 第五节 流形学习
- 第六节 度量学习
- 第七节 阅读材料
11特征选择与稀疏学习
- 第一节 子集搜索与评价
- 第二节 过滤式选择
- 第三节 包裹式选择
- 第四节 嵌入式选择与L$_1$正则化
- 第五节 稀疏表示与字典学习
- 第六节 压缩感知
- 第七节 阅读材料
12计算学习理论
- 第一节 基础知识
- 第二节 PAC学习
- 第三节 有限假设空间
- 第四节 VC维
- 第五节 Rademacher复杂度
- 第六节 稳定性
- 第七节 阅读材料
13半监督学习
- 第一节 未标记样本
- 第二节 生成式方法
- 第三节 半监督SVM
- 第四节 图半监督学习
- 第五节 基于分歧的方法
- 第六节 半监督聚类
- 第七节 阅读材料
14概率图模型
- 第一节 隐马尔可夫模型
- 第二节 马尔可夫随机场
- 第三节 条件随机场
- 第四节 学习与推断
- 第五节 近似推断
- 第六节 话题模型
- 第七节 阅读材料
15规则学习
- 第一节 基本概念
- 第二节 序贯覆盖
- 第三节 剪枝优化
- 第四节 一阶规则学习
- 第五节 归纳逻辑程序设计
- 第六节 阅读材料
16强化学习
- 第一节 任务与奖赏
- 第二节 $K$-摇臂赌博机
- 第三节 有模型学习
- 第四节 免模型学习
- 第五节 值函数近似
- 第六节 模仿学习
- 第七节 阅读材料