中图网文创礼盒，买2个减5元 读者节开场福利
818读者节|每满100减50，文创免费送
欢迎光临中图网 请 | 注册
搜索
搜索全部
  • 搜索全部
  • 书名
  • 作者
  • 出版社
  • ISBN
高级搜索
我身体里的人造星星乡间的日常情感勒索神秘的黑猫
  • 合成诗经
  • 新人领礼券
  • 新用户注册领10元
中图网
>
计算机/网络
>
计算机理论
模式识别和机器学习基础
分享

模式识别和机器学习基础

作者：[美]乌利塞斯·布拉加-内托(Uliss
出版社：机械工业出版社出版时间：2023-10-01
开本： 16开 页数： 246
本类榜单：计算机/网络销量榜
中 图 价:¥84.5(7.1折) 定价  ¥119.0 登录后可看到会员价
加入购物车 收藏
运费6元，满39元免运费
?新疆、西藏除外
本类五星书更多>
中图价:¥84.5 加入购物车
洞明世事，从读书开始 淘书团

模式识别和机器学习基础 版权信息

  • ISBN：9787111735267
  • 条形码：9787111735267 ; 978-7-111-73526-7
  • 装帧：平装-胶订
  • 册数：暂无
  • 重量：暂无
  • 所属分类：
    计算机/网络
    >
    计算机理论

模式识别和机器学习基础 本书特色

本书没有对模式识别和机器学习进行百科全书式的介绍，而是精选了核心内容，使读者在学习本书后能够精通核心知识点。本书广泛使用Python脚本和真实的生物信息学和材料信息学数据集来说明理论的要点。

模式识别和机器学习基础 内容简介

模式识别和机器学习是人工智能应用的基础。本书将模式识别任务按照监督学习和无监督学习两种方式进行组织。第1章讨论模式识别和机器学习的内在关系，介绍了两者的基础知识和模式识别的设计过程。第2章和第3章介绍了zui优化的和常规的基于实例的分类问题。第4~6章检验了参数的、非参数的和函数逼近的分类规则。之后在第7章和第8章就分类的误差估计和模型选择对分类模型的性能进行讨论。第9章介绍了能够提高分类模型的性能并减少存储空间的降维技术。第10章和第11章分别介绍了聚类分析技术和回归模型。本书适合相关专业高年级本科生和研究生，以及该领域的从业人员阅读。

模式识别和机器学习基础 目录

目录


Fundamentals of Pattern Recognition and Machine Learning


译者序

前言
第1章概述111模式识别与机器学习1

12数学基础设置1

13预测2

14预测误差2

15监督学习与无监督学习3

16复杂性权衡3

17设计周期4

18应用实例5

181生物信息学5

182材料信息学7

19文献注释9
第2章*优分类1021无特征分类10

22有特征分类10

23贝叶斯分类器13

24贝叶斯误差16

25高斯模型19

251同方差情况20

252异方差情况22

26其他主题22

261极小极大分类22

262F误差24

263贝叶斯决策理论26

*264分类问题的严格表达27

27文献注释28

28练习29

29Python作业33
第3章基于实例的分类3631分类规则36

32分类错误率38

*33一致性38

34没有免费午餐定理41

35其他主题42

351集成分类42

352混合抽样与独立抽样43

36文献注释44

37练习44

38Python作业45
第4章参数分类4741参数替换规则47

42高斯判别分析48

421线性判别分析48

422二次判别分析51

43逻辑斯谛分类53

44其他主题54

441正则化判别分析54

*442参数规则的一致性55

443贝叶斯参数规则57

45文献注释59

46练习60

47Python作业62
第5章非参数分类6451非参数替换规则64

52直方图分类65

53*近邻分类66

54核分类68

55CoverHart定理70

*56Stone定理73

57文献注释74

58练习75

59Python作业76
第6章函数逼近分类7861支持向量机78

611可分数据的线性支持
向量机78

612一般线性支持向量机80

613非线性支持向量机82

62神经网络86

621反向传播训练89

622卷积神经网络92

*623神经网络的普遍逼近
性质94

624普遍一致性定理96

63决策树97

64有序分类器100

65文献注释101

66练习102

67Python作业104
第7章分类误差估计10871误差估计规则108

72误差估计性能109

721偏差分布109

722偏差、方差、均方根和
尾概率110

*723一致性111

73测试集误差估计112

74再代入误差估计113

75交叉验证114

76自助方法116

77增强误差估计118

78其他主题121

781凸误差估计器121

782平滑误差估计器123

783贝叶斯误差估计123

79文献注释126

710练习127

711Python作业129
第8章分类模型选择13181分类复杂性131

82VapnikChervonenkis理论134

*821有限模型选择134

822打散系数与VC维度135

823几种分类规则中的VC
参数136

824VapnikChervonenkis
定理139

825没有免费午餐定理139

83模型选择方法140

831验证误差*小化140

832训练集误差*小化141

833结构性风险*小化141

84文献注释142

85练习143
第9章降维14591面向分类任务的特征提取145

92特征选择146

921穷举搜索146

922单变量贪婪搜索147

923多变量贪婪搜索149

924特征选择与分类复杂性150

925特征选择与误差估计150

93主成分分析152

94多维缩放155

95因子分析156

96文献注释158

97练习159

98Python作业160
第10章聚类162101KMeans算法162

102高斯混合模型165

1021期望*大化方法166

1022与KMeans的关系170

103层次聚类171

104自组织映射173

105文献注释174

106练习175

107Python作业176
第11章回归178111*优回归178

112
展开全部
商品评论(0条)
写书评 赚书币
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
新手上路
新用户指引
注册用户 更改注册信息
购物常见问题
关于特价书的常见问题
购买问题
订单跟踪
付款方式
账户余额  申请提现
配送方式及费用、范围
集团购买
售后服务
退换货流程
投诉与建议
特色服务
会员等级与书币
中图网书馨卡
邀请好友购买返10元礼包
其他信息
本站简介
联系我们
招聘英才
网站联盟
友情链接
微信公众号
中图网微信
中图网微博
中图网微博
手机中图网
手机中图网
中图网
诚信认证 电子商务诚信单位认证

京ICP备09013606号-3京信市监发[2002]122号海淀公安分局备案编号：1101083394

营业执照出版物经营许可证 京出发京批字第直110071

在线客服