機器學(xué)習實(shí)踐指南簡(jiǎn)介，目錄書(shū)摘
2020-05-28 15:24
來(lái)源：京東
作者：京東
機器學(xué)習實(shí)踐指南
暫無(wú)報價(jià)
40+評論
100%好評
編輯推薦:
內容簡(jiǎn)介:機器學(xué)習應用遍及人工智能的各個(gè)領(lǐng)域，是眾多數學(xué)科學(xué)家需要學(xué)習的內容。本書(shū)第壹部分提供了一個(gè)相當復雜的機器學(xué)習系統，以幫助讀者提高其效率。第二部分重點(diǎn)介紹了三個(gè)不同的基于現實(shí)世界的數據的案例研究，并提供相應解決方案。全書(shū)通過(guò)知識介紹，使讀者了解收集數據、準備使用數據、訓練模型、評估模型的性能，以及改進(jìn)模型的性能的方法；通過(guò)對實(shí)際問(wèn)題解決的講解，幫助讀者獲得處理機器學(xué)習問(wèn)題的經(jīng)驗。
作者簡(jiǎn)介:
目錄:目 錄?Contents
譯者序
前言
第1章 機器學(xué)習引言 1
1.1 什么是機器學(xué)習 1
1.2 分類(lèi)方法概述 2
1.3 聚類(lèi)方法概述 2
1.4 監督學(xué)習概述 3
1.5 無(wú)監督學(xué)習概述 4
1.6 增強學(xué)習概述 4
1.7 結構化預測概述 5
1.8 神經(jīng)網(wǎng)絡(luò )概述 5
1.9 深度學(xué)習概述 6
第2章 分類(lèi) 7
2.1 引言 7
2.2 判別函數分析：地下鹵水地質(zhì)化學(xué)測量 8
2.3 多元邏輯回歸：理解學(xué)生的課程計劃選擇 15
2.4 Tobit回歸：評估學(xué)生的學(xué)術(shù)能力 20
2.5 泊松回歸：理解加拉帕戈斯群島現存物種 27
第3章 聚類(lèi) 38
3.1 引言 38
3.2 層次聚類(lèi)：世界銀行樣本數據集 39
3.3 層次聚類(lèi)：1999～2010年
亞馬遜雨林的燒毀情況 44
3.4 層次聚類(lèi)：基因聚類(lèi) 55
3.5 二進(jìn)制聚類(lèi)：數學(xué)測驗 68
3.6 k均值聚類(lèi)：歐洲各國蛋白質(zhì)消耗量 75
3.7 k均值聚類(lèi)：食品 80
第4章 模型選擇和正則化 86
4.1 引言 86
4.2 壓縮方法：每天消耗的卡路里 87
4.3 降維方法：Delta航空公司航空隊 100
4.4 主成分分析：理解世界菜肴 109
第5章 非線(xiàn)性 114
5.1 廣義加性模型：衡量新西蘭的家庭收入 114
5.2 平滑樣條：理解汽車(chē)和速度 119
5.3 局部回歸：理解干旱警告和影響 129
第6章 監督學(xué)習 136
6.1 引言 136
6.2 決策樹(shù)學(xué)習：對胸痛患者的預先醫療護理指示 137
6.3 決策樹(shù)學(xué)習：基于收入的房地產(chǎn)價(jià)值分布 145
6.4 決策樹(shù)學(xué)習：預測股票走勢方向 154
6.5 樸素貝葉斯：預測股票走勢方向 170
6.6 隨機森林：貨幣交易策略 184
6.7 支持向量機：貨幣交易策略 193
6.8 隨機梯度下降：成人收入 201
第7章 無(wú)監督學(xué)習 208
7.1 引言 208
7.2 自組織映射：可視化熱圖 209
7.3 矢量量化：圖像聚類(lèi) 212
第8章 增強學(xué)習 217
8.1 引言 217
8.2 馬爾可夫鏈：股票區制轉移模型 218
8.3 馬爾可夫鏈：多渠道歸因模型 229
8.4 馬爾可夫鏈：汽車(chē)租賃代理服務(wù) 239
8.5 連續馬爾可夫鏈：加油站的車(chē)輛服務(wù) 243
8.6 蒙特卡羅模擬：校準Hull-White短期利率 247
第9章 結構化預測 257
9.1 引言 257
9.2 隱馬爾可夫模型：歐元和美元 257
9.3 隱馬爾可夫模型：區制檢測 263
第10章 神經(jīng)網(wǎng)絡(luò ) 270
10.1 引言 270
10.2 為S&P 500建模 270
10.3 衡量失業(yè)率 278
第11章 深度學(xué)習 292
11.1 引言 292
11.2 循環(huán)神經(jīng)網(wǎng)絡(luò )：預測周期信號 292
第12章 案例研究：探索世界銀行數據 299
12.1 引言 299
12.2 探索世界銀行數據 299
第13章 案例研究：再保險合同定價(jià) 316
13.1 引言 316
13.2 再保險合同定價(jià) 316
第14章 案例研究：用電量預測 329
14.1 引言 329
14.2 用電量測量 329
譯者序
前言
第1章 機器學(xué)習引言 1
1.1 什么是機器學(xué)習 1
1.2 分類(lèi)方法概述 2
1.3 聚類(lèi)方法概述 2
1.4 監督學(xué)習概述 3
1.5 無(wú)監督學(xué)習概述 4
1.6 增強學(xué)習概述 4
1.7 結構化預測概述 5
1.8 神經(jīng)網(wǎng)絡(luò )概述 5
1.9 深度學(xué)習概述 6
第2章 分類(lèi) 7
2.1 引言 7
2.2 判別函數分析：地下鹵水地質(zhì)化學(xué)測量 8
2.3 多元邏輯回歸：理解學(xué)生的課程計劃選擇 15
2.4 Tobit回歸：評估學(xué)生的學(xué)術(shù)能力 20
2.5 泊松回歸：理解加拉帕戈斯群島現存物種 27
第3章 聚類(lèi) 38
3.1 引言 38
3.2 層次聚類(lèi)：世界銀行樣本數據集 39
3.3 層次聚類(lèi)：1999～2010年
亞馬遜雨林的燒毀情況 44
3.4 層次聚類(lèi)：基因聚類(lèi) 55
3.5 二進(jìn)制聚類(lèi)：數學(xué)測驗 68
3.6 k均值聚類(lèi)：歐洲各國蛋白質(zhì)消耗量 75
3.7 k均值聚類(lèi)：食品 80
第4章 模型選擇和正則化 86
4.1 引言 86
4.2 壓縮方法：每天消耗的卡路里 87
4.3 降維方法：Delta航空公司航空隊 100
4.4 主成分分析：理解世界菜肴 109
第5章 非線(xiàn)性 114
5.1 廣義加性模型：衡量新西蘭的家庭收入 114
5.2 平滑樣條：理解汽車(chē)和速度 119
5.3 局部回歸：理解干旱警告和影響 129
第6章 監督學(xué)習 136
6.1 引言 136
6.2 決策樹(shù)學(xué)習：對胸痛患者的預先醫療護理指示 137
6.3 決策樹(shù)學(xué)習：基于收入的房地產(chǎn)價(jià)值分布 145
6.4 決策樹(shù)學(xué)習：預測股票走勢方向 154
6.5 樸素貝葉斯：預測股票走勢方向 170
6.6 隨機森林：貨幣交易策略 184
6.7 支持向量機：貨幣交易策略 193
6.8 隨機梯度下降：成人收入 201
第7章 無(wú)監督學(xué)習 208
7.1 引言 208
7.2 自組織映射：可視化熱圖 209
7.3 矢量量化：圖像聚類(lèi) 212
第8章 增強學(xué)習 217
8.1 引言 217
8.2 馬爾可夫鏈：股票區制轉移模型 218
8.3 馬爾可夫鏈：多渠道歸因模型 229
8.4 馬爾可夫鏈：汽車(chē)租賃代理服務(wù) 239
8.5 連續馬爾可夫鏈：加油站的車(chē)輛服務(wù) 243
8.6 蒙特卡羅模擬：校準Hull-White短期利率 247
第9章 結構化預測 257
9.1 引言 257
9.2 隱馬爾可夫模型：歐元和美元 257
9.3 隱馬爾可夫模型：區制檢測 263
第10章 神經(jīng)網(wǎng)絡(luò ) 270
10.1 引言 270
10.2 為S&P 500建模 270
10.3 衡量失業(yè)率 278
第11章 深度學(xué)習 292
11.1 引言 292
11.2 循環(huán)神經(jīng)網(wǎng)絡(luò )：預測周期信號 292
第12章 案例研究：探索世界銀行數據 299
12.1 引言 299
12.2 探索世界銀行數據 299
第13章 案例研究：再保險合同定價(jià) 316
13.1 引言 316
13.2 再保險合同定價(jià) 316
第14章 案例研究：用電量預測 329
14.1 引言 329
14.2 用電量測量 329
京公網(wǎng)安備 11000002000088號
