登入帳戶　 |　訂單查詢　 |　購物車/收銀台( 0 )　|　在線留言板　 |　付款方式　 |　聯絡我們　 |　運費計算　 |　幫助中心　|　 加入書簽
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入 新註冊 |　新用戶登記

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / EMS，時效：出貨後2-3日

新書推薦： 《 将军 》 售價：NT$ 269.0 《 墓志的生成及其在唐代的衍变研究 》 售價：NT$ 549.0 《 理解中国经济：在大变局中读懂新机遇 》 售價：NT$ 252.0 《 饥饿与国家：苏丹的饥荒、奴隶制和权力（1883~1956） 》 售價：NT$ 386.0 《 管好你的钱：人人都要懂的财富传承（一本书带你了解财富传承的7种方式） 》 售價：NT$ 381.0 《 新质生产力：中国创新发展的着力点与内在逻辑 》 售價：NT$ 442.0 《 “漫画强国科技”系列（全4册） 》 售價：NT$ 784.0 《 打破社交媒体棱镜：探寻网络政治极化的根源 》 售價：NT$ 325.0

建議一齊購買： + NT$ 407 《 Spark MLlib机器学习实践 》 + NT$ 749 《 情感机器 》 + NT$ 668 《 以太网权威指南（第2版） 》 + NT$ 293 《 自制搜索引擎 》 + NT$ 490 《 算法基础：打开算法之门 》 + NT$ 510 《 Python 语言构建机器学习系统 第2版（影印版） 》 編輯推薦： 本书是迄今市面上内容*为全面的机器学习教材之一，书中汇集了所有用于理解、挖掘和分析数据的先进方法，并且通过数百个精选实例和解说性插图，直观而准确地阐释了这些方法背后的原理，内容涵盖了机器学习的构成要素和机器学习任务、逻辑模型、几何模型、统计模型，以及矩阵分解、ROC分析等时下热点话题。 本书不仅内容丰富，而且图文并茂，无论是新手还是有经验的读者都能从中获益。 內容簡介： 本书是全面的机器学习教材之一。书中首先介绍了机器学习的构成要素（任务、模型、特征）和机器学习任务，接着详细分析了逻辑模型（树模型、规则模型）、几何模型（线性模型和基于距离的模型）和概率模型，然后讨论了特征、模型的集成，以及被机器学习研究者称为“实验”的方法。作者不仅使用了已有术语，还引入了一些新的概念，同时提供了大量精选的示例和插图解说。 關於作者： Peter Flach 布里斯托大学人工智能教授，拥有20多年的机器学习教研经验。在高度结构化的数据挖掘以及通过ROC分析来评估和改进机器学习模型方面，Flach是国际领先的研究人员。他还是Machine Learning期刊总编。曾担任2009年ACM知识发现与数据挖掘国际会议、2012年欧洲机器学习与数据挖掘国际会议的程序委员会共同主席。另著有Simply Logical:Intelligent Reasoning by Example。 目錄： 绪　论　机器学习概述　　1 第1章　机器学习的构成要素　9 1.1　任务：可通过机器学习解决的问题　9 1.1.1　探寻结构　11 1.1.2　性能评价　13 1.2　模型：机器学习的输出　14 1.2.1　几何模型　14 1.2.2　概率模型　17 1.2.3　逻辑模型　22 1.2.4　分组模型与评分模型　26 1.3　特征：机器学习的马达　26 1.3.1　特征的两种用法　28 1.3.2　特征的构造与变换　29 1.3.3　特征之间的交互　32 1.4　总结与展望　33 第2章　两类分类及相关任务　37 2.1　分类　39 2.1.1　分类性能的评价　40 2.1.2　分类性能的可视化　43 2.2　评分与排序　46 2.2.1　排序性能的评价及可视化　48 2.2.2　将排序器转化为分类器　52 2.3　类概率估计　54 2.3.1　类概率估计量　55 2.3.2　将排序器转化为概率估计子　57 2.4　小结与延伸阅读　59 第3章　超越两类分类　61 3.1　处理多类问题　61 3.1.1　多类分类　61 3.1.2　多类得分及概率　65 3.2　回归　68 3.3　无监督学习及描述性学习　70 3.3.1　预测性聚类与描述性聚类　71 3.2.2　其他描述性模型　74 3.4　小结与延伸阅读　76 第4章　概念学习　77 4.1　假设空间　78 4.1.1　最小一般性　79 4.1.2　内部析取　82 4.2　通过假设空间的路径　84 4.2.1　最一般相容假设　86 4.2.2　封闭概念　87 4.3　超越合取概念　88 4.4　可学习性　92 4.5　小结与延伸阅读　94 第5章　树模型　97 5.1　决策树　100 5.2　排序与概率估计树　103 5.3　作为减小方差的树学习方法　110 5.3.1　回归树　110 5.3.2　聚类树　113 5.4　小结与延伸阅读　115 第6章　规则模型　117 6.1　学习有序规则列表　117 6.2　学习无序规则集　124 6.2.1　用于排序和概率估计的规则集　128 6.2.2　深入探究规则重叠　130 6.3　描述性规则学习　131 6.3.1　用于子群发现的规则学习　131

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式	香港用户　 |　台灣用户　|　海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.