机器学习公式详解 (第2版) azw3 网盘 高速 下载地址大全 免费

周志华老师的《机器学习》（俗称“西瓜书”）是机器学习领域的经典入门教材之一。本书共16章，与“西瓜书”章节、公式对应，每个公式的推导和解释都以本科数学基础的视角进行讲解，希望能够帮助读者快速掌握各个机器学习算法背后的数学原理。 本书思路清晰，视角独特，结构合理，可作为高等院校计算机及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。

序 前言 主要符号表 资源与支持 第1章 绪论 1.1 引言 1.2 基本术语 1.3 假设空间 1.4 归纳偏好 第2章 模型评估与选择 2.1 经验误差与过拟合 2.2 评估方法 2.3 性能度量 2.4 比较检验 2.5 偏差与方差 第3章 线性模型 3.1 基本形式 3.2 线性回归 3.3 对率回归 3.4 线性判别分析 3.5 多分类学习 3.6 类别不平衡问题 第4章 决策树 4.1 基本流程 4.2 划分选择 4.3 剪枝处理 4.4 连续值与缺失值 4.5 多变量决策树 第5章 神经网络 5.1 神经元模型 5.2 感知机与多层网络 5.3 误差逆传播算法 5.4 全局最小与局部极小 5.5 其他常见神经网络 5.6 深度学习 第6章 支持向量机 6.1 间隔与支持向量 6.2 对偶问题 6.3 核函数 6.4 软间隔与正则化 6.5 支持向量回归 6.6 核方法 第7章 贝叶斯分类器 7.1 贝叶斯决策论 7.2 极大似然估计 7.3 朴素贝叶斯分类器 7.4 半朴素贝叶斯分类器 7.5 贝叶斯网 7.6 EM算法 第8章 集成学习 8.1 个体与集成 8.2 Boosting 8.3 Bagging与随机森林 8.4 结合策略 8.5 多样性 8.6 Gradient Boosting、GBDT、XGBoost的联系与区别 第9章 聚类 9.1 聚类任务 9.2 性能度量 9.3 距离计算 9.4 原型聚类 9.5 密度聚类 9.6 层次聚类 第10章 降维与度量学习 10.1 预备知识 10.2 矩阵的F范数与迹 10.3 k近邻学习 10.4 低维嵌入 10.5 主成分分析 10.6 核化线性降维 10.7 流形学习 10.8 度量学习 第11章 特征选择与稀疏学习 11.1 子集搜索与评价 11.2 过滤式选择 11.3 包裹式选择 11.4 嵌入式选择与L1正则化 11.5 稀疏表示与字典学习 11.6 压缩感知 第12章 计算学习理论 12.1 基础知识 12.2 PAC学习 12.3 有限假设空间 12.4 VC维 12.5 Rademacher复杂度 12.6 定理12.6的解释 12.7 稳定性 第13章 半监督学习 13.1 未标记样本 13.2 生成式方法 13.3 半监督SVM 13.4 图半监督学习 13.5 基于分歧的方法 13.6 半监督聚类 第14章 概率图模型 14.1 隐马尔可夫模型 14.2 马尔可夫随机场 14.3 条件随机场 14.4 学习与推断 14.5 近似推断 14.6 话题模型 第15章 规则学习 15.1 剪枝优化 15.2 归纳逻辑程序设计 第16章 强化学习 16.1 任务与奖赏 16.2 K-摇臂赌博机 16.3 有模型学习 16.4 免模型学习 16.5 值函数近似

谢文睿 北京工业大学硕士，Datawhale 开源项目负责人，百度算法工程师，研究方向为机器学习与自然语言处理。 秦州 康奈尔大学计算机硕士，Datawhale 成员，阿里巴巴算法专家，研究方向为图计算与自然语言处理，在 NeurIPS、AAAI、CIKM 等会议上录用多篇学术论文并获得 CIKM 2019 最佳应用论文奖。 贾彬彬 工学博士，兰州理工大学讲师，研究方向为机器学习与数据挖掘，在 TKDE、TNNLS、PRJ、ICML、AAAI 等期刊和会议上共发表学术论文十余篇，并担任 ICML、NeurIPS、ICLR、AAAI、IJCAI 等会议的程序委员会委员（PC Member）。

暂无其它内容！

• 第2版更新更适合读者自学

  来源：豆瓣 发布时间：2025-05-14 09:11:37

• “西瓜书”的伴侣“南瓜书”

  来源：豆瓣 发布时间：2025-05-14 09:11:37

• 南瓜做粥

  来源：豆瓣 发布时间：2025-05-14 09:11:37