About this book

机器学习导论 原书第3版 by (土耳其)埃塞姆·阿培丁著;范明译, (土)埃塞姆. 阿培丁(Ethem Alpaydin)著 , 范明译, 阿培丁, 范明, [ Tu Er Qi ] Ai Sai Mu A Pei Ding Zhu, 阿培丁 (Alpaydin, Ethem) is a book available to read on EtoBox.

1 (p1): 第1章 引言 1 (p1-1): 1.1 什么是机器学习 2 (p1-2): 1.2 机器学习的应用实例 2 (p1-2-1): 1.2.1 学习关联性 3 (p1-2-2): 1.2.2 分类 5 (p1-2-3): 1.2.3 回归 6 (p1-2-4): 1.2.4 非监督学习 7 (p1-2-5): 1.2.5 增强学习 8 (p1-3): 1.3 注释 10 (p1-4): 1.4 相关资源 11 (p1-5): 1.5 习题 12 (p1-6): 1.6 参考文献 13 (p2): 第2章 监督学习 13 (p2-1): 2.1 由实例学习类 16 (p2-2): 2.2 VC维 16 (p2-3): 2.3 概率近似正确学习 17 (p2-4): 2.4 噪声 18 (p2-5): 2.5 学习多类 19 (p2-6): 2.6 回归 21 (p2-7): 2.7 模型选择与泛化 23 (p2-8): 2.8 监督机器学习算法的维 24 (p2-9): 2.9 注释 25 (p2-10): 2.10 习题 26 (p2-11): 2.11 参考文献 27 (p3): 第3章 贝叶斯决策理论 27 (p3-1): 3.1 引言 28 (p3-2): 3.2 分类 29 (p3-3): 3.3 损失与风险 30 (p3-4): 3.4 判别式函数 31 (p3-5): 3.5 关联规则 33 (p3-6): 3.6 注释 33 (p3-7): 3.7 习题 36 (p3-8): 3.8 参考文献 37 (p4): 第4章 参数方法 37 (p4-1): 4.1 引言 37 (p4-2): 4.2 最大似然估计 38 (p4-2-1): 4.2.1 伯努利密度 38 (p4-2-2): 4.2.2 多项式密度 39 (p4-2-3): 4.2.3 高斯(正态)密度 39 (p4-3): 4.3 评价估计:偏倚和方差 40 (p4-4): 4.4 贝叶斯估计 42 (p4-5): 4.5 参数分类 44 (p4-6): 4.6 回归 46 (p4-7): 4.7 调整模型的复杂度:偏倚/方差两难选择 49 (p4-8): 4.8 模型选择过程 51 (p4-9): 4.9 注释 51 (p4-10): 4.10 习题 53 (p4-11): 4.11 参考文献 54 (p5): 第5章 多元方法 54 (p5-1): 5.1 多元数据 54 (p5-2): 5.2 参数估计 55 (p5-3): 5.3 缺失值估计 56 (p5-4): 5.4 多元正态分布 57 (p5-5): 5.5 多元分类 61 (p5-6): 5.6 调整复杂度 62 (p5-7): 5.7 离散特征 63 (p5-8): 5.8 多元回归 64 (p5-9)

Author

(土耳其)埃塞姆·阿培丁著;范明译, (土)埃塞姆. 阿培丁(Ethem Alpaydin)著 , 范明译, 阿培丁, 范明, [ Tu Er Qi ] Ai Sai Mu A Pei Ding Zhu, 阿培丁 (Alpaydin, Ethem)

Publisher

北京:机械工业出版社

Published

2016

Language

ZH

ISBN

9787111521945