- 机器学习及工业大数据解析应用
- - 作者：编者:彭开香|责编:牛宇锋//赵微微
  - 出版社：科学
  - ISBN：9787030804389
  - 出版日期：2025/03/01
  - 页数：415
- 售价：67.2

内容大纲
本书作为机器学习及工业大数据解析领域的入门教材，在内容设置上尽可能涵盖该研究领域基础知识的各个方面。全书共28章，分为六篇。其中第一篇为概论篇；第二篇为有监督学习篇；第三篇为无监督学习篇；第四篇为半监督学习篇；第五篇为深度学习篇；第六篇为大数据解析篇。每章都附有继续阅读和参考文献，以便有兴趣的读者进一步钻研探索。
作者介绍
目录
前言
第一篇  概论篇
  第1章  绪论
    1.1  机器学习简介
    1.2  机器学习与人工智能
    1.3  机器学习的主要研究领域
    1.4  机器学习的发展历史与发展趋势
      1.4.1  机器学习的发展历史
      1.4.2  机器学习的发展趋势
    1.5  机器学习系统的基本结构
      1.5.1  数据
      1.5.2  模型
      1.5.3  损失函数
      1.5.4  训练
    1.6  模型评估与模型选择
      1.6.1  训练误差与测试误差
      1.6.2  过拟合与模型选择
    1.7  正则化与交叉验证
      1.7.1  正则化
      1.7.2  交叉验证
    1.8  泛化能力
      1.8.1  泛化误差
      1.8.2  泛化误差上界
    1.9  机器学习的基本术语
      1.9.1  假设空间
      1.9.2  变形空间
      1.9.3  归纳偏置
    1.10  机器学习的分类
      1.10.1  有监督学习
      1.10.2  无监督学习
      1.10.3  半监督学习
      1.10.4  深度学习
    1.11  工业大数据解析统计学基础
      1.11.1  期望、方差、协方差
      1.11.2  一元高斯分布
      1.11.3  多元高斯分布
    继续阅读
    参考文献
  第2章  概念学习和一般到特殊序
    2.1  概念学习的定义
    2.2  概念学习的术语
    2.3  归纳学习假设
    2.4  假设的一般到特殊序
    2.5  寻找极大特殊假设
      2.5.1  候选消除算法的表示
      2.5.2  列表后消除算法
      2.5.3  变形空间的简洁表示
      2.5.4  候选消除学习算法
    2.6  归纳偏置
      2.6.1  有偏的假设空间

      2.6.2  无偏学习器
      2.6.3  无偏学习的无用性
    继续阅读
    参考文献
第二篇  有监督学习篇
  第3章  感知机
    3.1  感知机学习模型
    3.2  感知机学习策略
      3.2.1  数据集的线性可分性
      3.2.2  学习策略
    3.3  感知机学习算法
      3.3.1  感知机学习算法的一般形式
……
第三篇  无监督学习篇
第四篇  半监督学习篇
第五篇  深度学习篇
第六篇  大数据解析篇

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目