Can I read 机器学习原理及应用 on EtoBox?

机器学习原理及应用 by 陈海虹, 陈海虹[等]主编, 陈海虹 is a book available to read on EtoBox.

What is 机器学习原理及应用 about?

1 (p1): 第1章 绪论 1 (p1-1): 1.1 什么是机器学习 2 (p1-2): 1.2 机器学习的发展历程及研究现状 2 (p1-2-1): 1.2.1 机器学习的发展历程 3 (p1-2-2): 1.2.2 机器学习的研究现状 10 (p1-3): 1.3 机器学习的分类 11 (p1-3-1): 1.3.1 基于学习策略的分类 11 (p1-3-2): 1.3.2 基于学习方法的分类 11 (p1-3-3): 1.3.3 基于学习方式的分类 12 (p1-3-4): 1.3.4 基于数据形式的分类 12 (p1-3-5): 1.3.5 基于学习目标的分类 12 (p1-4): 1.4 机器学习的应用前景 12 (p1-4-1): 1.4.1 数据分析与挖掘 13 (p1-4-2): 1.4.2 模式识别 14 (p1-4-3): 1.4.3 在生物信息学上的应用 15 (p1-4-4): 1.4.4 更广阔的领域 17 (p2): 第2章 机器学习基础理论 17 (p2-1): 2.1 引言 18 (p2-2): 2.2 线性建模 18 (p2-2-1): 2.2.1 定义模型 18 (p2-2-2): 2.2.2 模型假设 19 (p2-2-3): 2.2.3 理想模型的定义 21 (p2-2-4): 2.2.4 最小二乘解 23 (p2-3): 2.3 向量和矩阵 25 (p2-4): 2.4 线性模型的非线性响应 26 (p2-5): 2.5 泛化与过拟合 26 (p2-5-1): 2.5.1 验证数据 27 (p2-5-2): 2.5.2 交叉验证 27 (p2-5-3): 2.5.3 K折交叉验证的计算缩放 28 (p2-6): 2.6 噪声 29 (p2-7): 2.7 随机变量和概率 30 (p2-7-1): 2.7.1 随机变量 31 (p2-7-2): 2.7.2 概率和概率分布 32 (p2-7-3): 2.7.3 概率的加法 33 (p2-7-4): 2.7.4 条件概率 34 (p2-7-5): 2.7.5 联合概率 35 (p2-7-6): 2.7.6 边缘化 37 (p2-7-7): 2.7.7 贝叶斯规则 38 (p2-7-8): 2.7.8 期望值 40 (p2-8): 2.8 常见的离散分布 40 (p2-8-1): 2.8.1 伯努利分布 40 (p2-8-2): 2.8.2 二项分布 41 (p2-8-3): 2.8.3 多项分布 41 (p2-9): 2.9 连续型随机变量—概率密度函数 43 (p2-10): 2.10 常见的连续概率密度函数 43 (p2-10-1): 2.10.1 均匀密度函数 44 (p2-10-2): 2.10.2 β密度函数 45 (p2-10-3): 2.10.3 斯密度

Author

陈海虹, 陈海虹[等]主编, 陈海虹

Publisher

成都:电子科技大学出版社

Published

2017

Language

ZH

ISBN

9787564748166