機器學習的公式推導和程式實作
魯偉
- 出版商: 碁峰資訊
- 出版日期: 2024-03-26
- 定價: $580
- 售價: 7.9 折 $458
- 語言: 繁體中文
- 頁數: 376
- 裝訂: 平裝
- ISBN: 6263245360
- ISBN-13: 9786263245365
-
相關分類:
Machine Learning
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
$3,180$3,021 -
$3,560$3,382 -
$2,640$2,508 -
$750$593 -
$450$405 -
$560$442 -
$564AI 源碼解讀:捲積神經網絡(CNN)深度學習案例 (Python版)
-
$414$393 -
$648$616 -
$594$564 -
$599$569 -
$1,494$1,419 -
$420$378 -
$708$673 -
$534$507 -
$880$695 -
$580$458 -
$980$774 -
$650$507 -
$850$663 -
$780$616 -
$1,200$948 -
$560$442 -
$750$593 -
$680$537
相關主題
商品描述
進行機器學習的開發時,精通相關數學理論是關鍵的基礎。本書基於對所有機器學習演算法的系統分類,詳細介紹了監督學習單模型、監督學習集成模型、無監督學習模型、概率模型等四大類共26個經典演算法,並進行詳細的公式推導和程式碼實現。旨在協助讀者充分了解演算法細節、實現方法和內在邏輯。
本書適合數理基礎扎實的初學者,也適合深入學習的進階者閱讀,同時可作為機器學習領域的參考書籍。
作者簡介
魯偉
深度學習演算法工程師,主要從事醫療數據分析、醫學圖像處理和深度學習應用相關研究與工作。著有《深度學習筆記》一書,也是機器學習實驗室的主持人。
目錄大綱
第一部分:入門篇
第 1 章 機器學習預備知識
第二部分:監督學習單模型
第 2 章 線性迴歸
第 3 章 邏輯迴歸
第 4 章 迴歸模型擴展
第 5 章 線性判別分析
第 6 章 k 近鄰演算法
第 7 章 決策樹
第 8 章 神經網路
第 9 章 支援向量機
第三部分:監督學習整合模型
第 10 章 AdaBoost
第 11 章 GBDT
第 12 章 XGBoost
第 13 章 LightGBM
第 14 章 CatBoost
第 15 章 隨機森林
第 16 章 整合學習:對比與調參
第四部分:無監督學習模型
第 17 章 聚類分析與 k 均值聚類演算法
第 18 章 主成分分析
第 19 章 奇異值分解
第五部分:機率模型
第 20 章 最大訊息熵模型
第 21 章 貝氏機率模型
第 22 章 EM 演算法
第 23 章 隱馬可夫模型
第 24 章 條件隨機場
第 25 章 馬可夫鏈蒙地卡羅方法
第六部分:總結
第 26 章 機器學習模型總結
參考文獻