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$458
  • 貴賓價: 7.5$435
  • 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)

  • 機器學習的公式推導和程式實作-preview-1
  • 機器學習的公式推導和程式實作-preview-2
  • 機器學習的公式推導和程式實作-preview-3
  • 機器學習的公式推導和程式實作-preview-4
  • 機器學習的公式推導和程式實作-preview-5
  • 機器學習的公式推導和程式實作-preview-6
  • 機器學習的公式推導和程式實作-preview-7
  • 機器學習的公式推導和程式實作-preview-8
  • 機器學習的公式推導和程式實作-preview-9
機器學習的公式推導和程式實作-preview-1

買這商品的人也買了...

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