機器學習理論導引
周志華, 王魏, 高尉, 張利軍
- 出版商: 機械工業
- 出版日期: 2020-06-03
- 定價: $474
- 售價: 9.5 折 $450
- 語言: 簡體中文
- 頁數: 193
- 裝訂: 平裝
- ISBN: 7111654242
- ISBN-13: 9787111654247
-
相關分類:
Machine Learning
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
$341圖解機器學習
-
$648$616 -
$427統計機器學習導論 (Introduction to Statistical Machine Learning)
-
$403深度學習 : 捲積神經網絡從入門到精通
-
$958計算機科學中的數學:信息與智能時代的必修課
-
$393機器學習精講 (全彩印刷)(The Hundred-Page Machine Learning Book)
-
$505深度學習圖解 (Grokking Deep Learning)
-
$1,200$948 -
$505百面深度學習 : 算法工程師帶你去面試
-
$507機器學習中的數學修煉
-
$620$484 -
$580$452 -
$559Python 深度學習異常檢測 : 使用 Keras 和 PyTorch
-
$680$537 -
$954$906 -
$607機器學習導論
-
$180機器學習公式詳解
-
$680$612 -
$600$468 -
$449人工智能數學基礎
-
$599$473 -
$680$537 -
$779$740 -
$880$695 -
$469機器學習公式詳解, 2/e
相關主題
商品描述
機器學習領域著名學者周志華教授領銜的南京大學LAMDA團隊四位教授合著
系統梳理機器學習理論中的七大重要概念或理論工具,並給出若干分析實例
機器學習理論內容浩瀚廣博,旨在為機器學習理論研究的讀者提供入門導引
本書旨在為有志於機器學習理論學習和研究的讀者提供一個入門導引。
在預備知識之後,全書各章分別聚焦於:可學性、(假設空間)複雜度、
泛化界、穩定性、一致性、收斂率、遺憾界。
除介紹基本概念外,還給出若干分析實例,如顯示如何將不同理論工具應用於支持向量機這種常見機器學習技術.
作者簡介
周志華教授
南京大學計算機系主任、人工智能學院院長、校學術委員會委員。
歐洲科學院外籍院士。
人工智能相關五大主流國際學會ACM、AAAI、AAAS、IEEE、IAPR均入選Fellow的首位華人學者,
中國計算機學會、中國人工智能學會會士。
曾獲IEEE計算機學會Edward J. McCluskey技術成就獎、CCF王選獎等。
著有《機器學習》(清華大學出版社)等。
王魏
南京大學計算機系副教授。
主要研究方向為機器學習理論,曾獲中國計算機學會優秀博士學位論文獎、
江蘇省優秀博士學位論文獎、CCF青年人才發展計劃等榮譽。
高尉
南京大學人工智能學院副教授。
主要研究方向為機器學習理論,曾獲中國計算機學會優秀博士學位論文獎、江蘇省優秀博士學位論文獎等榮譽。
張利軍
南京大學計算機系副教授、博士生導師。
主要研究方向為大規模機器學習與優化,曾獲首屆達摩院青橙獎、
中國科協青年人才托舉工程、CCF青年人才發展計劃等榮譽。
目錄大綱
前言
主要符號表
第1章預備知識……………………………………………………………… 1
1.1 函數的性質………………………………………………………………… 1
1.2 重要不等式……………………………………………………………… 5
1.3 最優化基礎……………………………………………………………… 9
1.4 支持向量機……………………………………………………………… 13
1.5 理論的作用……………………………………………………………… 18
1.6 閱讀材料………………………………………………………………… 19
習題……………………………………………………………………………… 21
參考文獻………………………………………………………………………… 22
第2章可學性……………………………………………………………… 25
2.1 基本概念…………………………………………………………………25
2.2 PAC學習…………………………………………………………………… 26
2.3 分析實例………………………………………………………………… 30
2.4 閱讀材料………………………………………………………………… 35
習題……………………………………………………………………………… 36
參考文獻……………………………………………………………………… 37
第3章複雜度……………………………………………………………39
3.1 數據分佈無關………………………………………………………… 39
3.2 數據分佈相關………………………………………………………… 46
3.3 分析實例……………………………………………………………… 50
3.4 閱讀材料…………………………………………………………………56
習題..……………………………………………………………………………… 58
參考文獻……………………………………………………………………… 59
第4章泛化界……………………………………………………………… 61
4.1 泛化誤差上界………………………………………………………… 61
4.2 泛化誤差下界………………………………………………………… 71
4.3 分析實例………………………………………………………………… 78
4.4 閱讀材料………………………………………………………………… 83
習題……………………………………………………………………………… 84
參考文獻……………………………………………………………………… 86
第5章穩定性…………………………………………………………… 89
5.1 基本概念………………………………………………………………… 89
5.2 重要性質………………………………………………………………… 92
5.3 分析實例………………………………………………………………… 98
5.4 閱讀材料………………………………………………………………… 107
習題……………………………………………………………………………… 108
參考文獻……………………………………………………………………… 110
第6章一致性…………………………………………………………… 113
6.1 基本概念……………………………………………………………… 113
6.2 替代函數……………………………………………………………… 117
6.3 劃分機制……………………………………………………………… 122
6.4 分析實例……………………………………………………………… 125
6.5 閱讀材料……………………………………………………………… 132
習題………………………………………………………………………… 134
參考文獻………………………………………………………………… 135
第7章收斂率…………………………………………………………… 137
7.1 基本概念……………………………………………………………… 137
7.2 確定優化……………………………………………………………… 139
7.3 隨機優化……………………………………………………………… 143
7.4 分析實例………………………………………………………………155
7.5 閱讀材料……………………………………………………………… 157
習題……………………………………………………………………………… 159
參考文獻……………………………………………………………………… 161
第8章遺憾界…………………………………………………………… 163
8.1 基本概念……………………………………………………………… 163
8.2 完全信息在線學習……………………………………………… 165
8.3 賭博機在線學習………………………………………………….170
8.4 分析實例……………………………………………………………184
8.5 閱讀材料…………………………………………………………… 188
習題…………………………………………………………………………… 189
參考文獻…………………………………………………………………… 191
索引………………………………………………………………………… 193