机器学习与优化 - (EPUB全文下载)
文件大小:2.45 mb。
文件格式:epub 格式。
书籍内容:
版权信息
书名:机器学习与优化
作者:〔意〕罗伯托·巴蒂蒂 毛罗·布鲁纳托
译者:王彧弋
ISBN:978-7-115-48029-3
本书由北京图灵文化发展有限公司发行数字版。版权所有,侵权必究。
您购买的图灵电子书仅供您个人使用,未经授权,不得以任何方式复制和传播本书内容。
我们愿意相信读者具有这样的良知和觉悟,与我们共同保护知识产权。
如果购买者有侵权行为,我们可能对该用户实施包括但不限于关闭该帐号等维权措施,并可能追究法律责任。
091507240605ToBeReplacedWithUserId
版权声明
第 1 章 引言
1.1 学习与智能优化:燎原之火
1.2 寻找黄金和寻找伴侣
1.3 需要的只是数据
1.4 超越传统的商业智能
1.5 LION 方法的实施
1.6 “动手”的方法
第2版补遗
电子书
第 2 章 懒惰学习:最近邻方法
最近邻方法
第 3 章 学习需要方法
3.1 从已标记的案例中学习:最小化和泛化
3.2 学习、验证、测试
3.3 不同类型的误差
第一部分
监督学习
第 4 章 线性模型
4.1 线性回归
4.2 处理非线性函数关系的技巧
4.3 用于分类的线性模型
4.4 大脑是如何工作的
4.5 线性模型为何普遍,为何成功
4.6 最小化平方误差和
4.7 数值不稳定性和岭回归
第 5 章 广义线性最小二乘法
5.1 拟合的优劣和卡方分布
5.2 最小二乘法与最大似然估计
5.2.1 假设检验
5.2.2 交叉验证
5.3 置信度的自助法
附录:绘制置信区间(百分位值和箱形图)
规则、决策树和森林
6.1 构造决策树
6.2 民主与决策森林
第 7 章 特征排序及选择
7.1 特征选择:情境
7.2 相关系数
7.3 相关比
7.4 卡方检验拒绝统计独立性
7.5 熵和互信息
第 8 章 特定非线性模型
8.1 logistic回归
8.2 局部加权回归
贝叶斯局部加权回归
8.3 用LASSO来缩小系数和选择输入值
拉格朗日乘数优化约束问题
第 9 章 神经网络:多层感知器
9.1 多层感知器
9.2 通过反向传播法学习
9.2.1 批量和bold driver反向传播法
9.2.2 在线或随机反向传播
9.2.3 训练多层感知器的高级优化
第 10 章 深度和卷积网络
10.1 深度神经网络
10.1.1 自动编码器
10.1.2 随机噪声、屏蔽和课程
10.2 局部感受野和卷积网络
第 11 章 统计学习理论和支持向量机
11.1 经验风险最小化
11.1.1 线性可分问题
11.1.2 不可分问题
11.1.3 非线性假设
11.1.4 用于回归的支持向量
第 12 章 最小二乘法和健壮内核机器
12.1 最小二乘支持向量机分类器
12.2 健壮加权最小二乘支持向量机
12.3 通过修剪恢复稀疏
12.4 算法改进:调谐QP、原始版本、无补偿
第 13 章 机器学习中的民主
13.1 堆叠和融合
13.2 实例操作带来的多样性:装袋法和提升法
13.3 特征操作带来的多样性
13.4 输出值操作带来的多样性:纠错码
13.5 训练阶段随机性带来的多样性
13.6 加性logistic回归
13.7 民主有助于准确率--拒绝的折中
第 14 章 递归神经网络和储备池计算
14.1 递归神经网络
14.2 能量极小化霍普菲尔德网络
14.3 递归神经网络和时序反向传播
14.4 递归神经网络储备池学习
14.5 超限学习机
第二部分
无监督学习和聚类
第 15 章 自顶向下的聚类:K 均值
15.1 无监督学习的方法
15.2 聚类:表示与度量
15.3 硬聚类或软聚类的K均值方法
第 16 章 自底向上(凝聚)聚类
16.1 合并标准以及树状图
16.2 适应点的分布距离:马氏距离
16.3 附录:聚类的可视化
第 17 章 自组织映射
17.1 将实体映射到原型的人工皮层
17.2 使用成熟的自组织映射进行分类
第 18 章 通过线性变换降维(投影)
18.1 线性投影
18.2 主成分分析
18.3 加权主成分分析:结合坐标和关系
18.4 通过比值优化进行线性判别
用于特征选择的费希尔判别指标
18.5 费希尔线性判别分析
第 19 章 通过非线性映射可视化图与网络
19.1 最小应力可视化
19.2 一维情况:谱图绘制
19.3 复杂图形分布标准
第 20 章 半监督学习
20.1 用部分无监督数据进行学习
20.1.1 低密度区域中的分离
20.1.2 基于图的算法
20.1.3 学习度量
20.1.4 集成约束和度量学习
第三部分
优化:力量之源
第 21 章 自动改进的局部方法
21.1 优化和学习
21.2 基于导数技术的一维情况
21.2.1 导数可以由割线近似
21.2.2 一维最小化
21.3 求解高维模型(二次正定型)
21.3.1 梯度与最速下降法
21.3.2 共轭梯度法
21.4 高维中的非线性优化
21.4.1 通过线性查找的全局收敛
21.4.2 解决不定黑塞矩阵
21.4.3 与模型信赖域方法的关系
21.4.4 割线法
21.4.5 缩小差距:二阶方法与线性复杂度
21.5 不涉及导数的技术:反馈仿射振荡器
21.5.1 RAS:抽样区域的适应性
21.5.2 为健壮性和多样化所做的重复
第 22 章 局部搜索和反馈搜索优化
22.1 基于扰动的局部搜索
22.2 反馈搜索优化:搜索时学习
22.3 基于禁忌的反馈搜索优化
第 23 章 合作反馈搜索优化
23.1 局部搜索过程的智能协作
23.2 CoRSO:一个政治上的类比
23.3 CoRSO的例子:RSO与RAS合作
第 24 章 多目标反馈搜索优化
24.1 多目标优化和帕累托最优
24.2 计算机优化:循环中的用户
第四部分
应用精选
第 25 章 文本和网页挖掘
25.1 网页信息检索与组织
25.1.1 爬虫
25.1.2 索引
25.2 信息检索与排名
25. ............
书籍插图:
以上为书籍内容预览,如需阅读全文内容请下载EPUB源文件,祝您阅读愉快。
书云 Open E-Library » 机器学习与优化 - (EPUB全文下载)