相關商品
商品簡介
目次
商品簡介
本書從數學優化的角度對目前人工智能的代表技術機器學習進行分析，解決了目前這一領域偏向應用，數學理論較弱的問題，從原理、數學解析兩個方面對特徵提取、分類、聚類、神經網絡等進行了全面系統的剖析。解決了目前人工智能領域偏向應用，數學理論較弱的問題，從原理解析、數學解析兩個方面對機器學習進行剖析。
目次
第一章 數據、數學與機器學習001
1.1 概述 / 003
1.2 數學與機器學習 / 005
1.3 數據與機器學習 / 008
1.4 深度學習與強化學習 / 014
1.5 本章小結 / 019
第二章 分類與回歸021
2.1 常用的分類方法 / 024
2.2 分類的數學解釋 / 032
2.3 回歸分析 / 038
2.4 回歸分析的數學解釋 / 041
2.5 本章小結 / 046
第三章 特徵選取047
3.1 數據預處理的步驟 / 050
3.2 數據預處理與特徵提取 / 057
3.3 主成分分析 / 059
3.4 因子分析 / 063
3.5 特徵提取問題的數學解析 / 067
3.6 本章小結 / 072
第四章 聚 類075
4.1 基本概念 / 078
4.2 聚類的過程 / 082
4.3 分析方法 / 083
4.4 基於K-means算法的聚類規則 / 088
4.5 聚類問題的數學解釋 / 091
4.6 本章小結 / 094
第五章 深度學習097
5.1 概述 / 099
5.2 神經網絡模型 / 101
5.3 神經網絡學習方法 / 103
5.4 神經網絡的數學解釋 / 106
5.5 本章小結 / 111
第六章 強化學習113
6.1 樸素貝葉斯 / 115
6.2 貝葉斯信念網 / 118
6.3 動態貝葉斯網絡 / 120
6.4 一般時序模型 / 121
6.5 馬爾可夫模型 / 131
6.6 本章小結 / 138
第七章 計算流與自組織141
7.1 信息流與計算流的結合 / 143
7.2 學習中的自組織行為 / 144
7.3 神經動力學與自組織 / 153
參考文獻157卷
1.1 概述 / 003
1.2 數學與機器學習 / 005
1.3 數據與機器學習 / 008
1.4 深度學習與強化學習 / 014
1.5 本章小結 / 019
第二章 分類與回歸021
2.1 常用的分類方法 / 024
2.2 分類的數學解釋 / 032
2.3 回歸分析 / 038
2.4 回歸分析的數學解釋 / 041
2.5 本章小結 / 046
第三章 特徵選取047
3.1 數據預處理的步驟 / 050
3.2 數據預處理與特徵提取 / 057
3.3 主成分分析 / 059
3.4 因子分析 / 063
3.5 特徵提取問題的數學解析 / 067
3.6 本章小結 / 072
第四章 聚 類075
4.1 基本概念 / 078
4.2 聚類的過程 / 082
4.3 分析方法 / 083
4.4 基於K-means算法的聚類規則 / 088
4.5 聚類問題的數學解釋 / 091
4.6 本章小結 / 094
第五章 深度學習097
5.1 概述 / 099
5.2 神經網絡模型 / 101
5.3 神經網絡學習方法 / 103
5.4 神經網絡的數學解釋 / 106
5.5 本章小結 / 111
第六章 強化學習113
6.1 樸素貝葉斯 / 115
6.2 貝葉斯信念網 / 118
6.3 動態貝葉斯網絡 / 120
6.4 一般時序模型 / 121
6.5 馬爾可夫模型 / 131
6.6 本章小結 / 138
第七章 計算流與自組織141
7.1 信息流與計算流的結合 / 143
7.2 學習中的自組織行為 / 144
7.3 神經動力學與自組織 / 153
參考文獻157卷
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。