您好,欢迎来到聚文网。 登录 免费注册
机器学习/计算机科学丛书

机器学习/计算机科学丛书

  • 出版社: 机械工业
  • 作者: (美)米歇尔|责编:姚蕾|译者:曾华军//张银奎
  • 商品条码: 9787111109938
  • 版次: 1
  • 开本: 16开
  • 页数: 282
  • 出版年份: 2003
  • 印次: 26
定价:¥69 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
本书展示了机器学习中 核心的算法和理论,并阐 明了算法的运行过程。本 书综合了许多的研究成果 ,例如统计学、人工智能 、哲学、信息论、生物学 、认知科学、计算复杂性 和控制论等,并以此来理 解问题的背景、算法和其 中的隐含假定。本书可作 为计算机专业本科生、研 究生教材,也可作为相关 领域研究人员、教师的参 考书。
目录
出版者的话 译者序 前言 第1章 引言 1.1 学习问题的标准描述 1.2 设计一个学习系统 1.2.1 选择训练经验 1.2.2 选择目标函数 1.2.3 选择目标函数的表示 1.2.4 选择函数逼近算法 1.2.5 最终设计 1.3 机器学习的一些观点和问题 1.4 如何阅读本书 1.5 小结和补充读物 习题 第2章 概念学习和一般到特殊序 2.1 简介 2.2 概念学习任务 2.2.1 术语定义 2.2.2 归纳学习假设 2.3 作为搜索的概念学习 2.4 FIND-S:寻找极大特殊假设 2.5 变型空间和候选消除算法 2.5.1 表示 2.5.2 列表后消除算法 2.5.3 变型空间的更简洁表示 2.5.4 候选消除学习算法 2.5.5 算法的举例 2.6 关于变型空间和候选消除的说明 2.6.1 候选消除算法是否会收敛到正确的假设 2.6.2 下一步需要什么样的训练样例 2.6.3 怎样使用不完全学习概念 2.7 归纳偏置 2.7.1 一个有偏的假设空间 2.7.2 无偏的学习器 2.7.3 无偏学习的无用性 2.8 小结和补充读物 习题 第3章 决策树学习 3.1 简介 3.2 决策树表示法 3.3 决策树学习的适用问题 3.4 基本的决策树学习算法 3.4.1 哪个属性是最佳的分类属性 3.4.2 举例 3.5 决策树学习中的假设空间搜索 3.6 决策树学习的归纳偏置 3.6.1 限定偏置和优选偏置 3.6.2 为什么短的假设优先 3.7 决策树学习的常见问题

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网