8 (905) 200-03-37 Владивосток
с 09:00 до 19:00

Подлинное Spot 2020 Статистическое обучение Метод 2 2 издание Li Hang Wan Wan Tsinghua Университет текстовых данных.

Цена: 1 357руб.    (¥64.2)
Артикул: 594067490127

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.

Этот товар на Таобао Описание товара
Продавец:汉唐图书音像专营店
Адрес:Сычуань
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥13.5286руб.
¥29.77630руб.
¥ 14.3 11.76249руб.
¥ 7.2 5.14109руб.
  • Информация о товаре
  • Фотографии
Фитнес

 

Основная информация

Заголовок статистический метод обучения,

Цена 98 Юань

ISBN: 9787302517276

Издательство Университета Университета Цингхуа

Время публикации 2019.5

Время печати: 2019.5

 

краткое введение 

 

Статистический метод обучения - это метод машинного обучения, который является важной дисциплиной в области компьютеров и его применения.


Эта книга разделена на две статьи: надзор и неконтролируемое обучение, всестороннее и систематически введено основные методы статистического обучения.


Включая персептрон, метод K-ближайшего соседа, наивный бессианский метод, дерево решений, логистическая регрессия и максимальная энтропия, модель,


Поддержка векторной машины, улучшение метода, алгоритм EM, скрытая модель Маркова и кондиционированный случайный аэропорт, а также методы кластеризации, методы кластеризации,


Странное разложение значений, анализ основных компонентов, потенциальный семантический анализ, потенциальный семантический анализ вероятности, метод Малкова Монте -Карло,


Потенциальное распределение диликра и алгоритм PageRank.За исключением общего статистического обучения, надзор XI и неконтролируемого обучения


В дополнение к четырем главам и резюме, каждая глава представляет метод.Описание стремится начать с конкретных вопросов или экземпляров, от мелкого до глубокого,


Клиптация, дайте необходимый деривация математики, облегчить читателям овладеть сущностью методов статистического обучения и научиться использовать. 


Чтобы удовлетворить потребности дальнейшего обучения читателей, в книге было представлено некоторые связанные исследования, и было дано небольшое количество упражнений.


Перечислите основные справочные документы.Эта книга является учебником по статистическому машинному обучению и связанных с ним курсам.


Применимо к интеллектуальному анализу текстовых данных для колледжей и университетов


Профессиональные студенты колледжа, такие как поиск процентов и обработка естественного языка,


Аспиранты также могут быть использованы для исследований и разработчиков, занимающихся специальностями, связанными с компьютерными приложениями.

 

Оглавление

 

первый раз Контролировать

Вторая часть неконтролируемого обучения

Глава 13

    13.1.1 Основной принцип неконтролируемого обучения

    13.1.2 фундаментальная проблема

    13.1.3 Три элемента машинного обучения

    13.1.4 Неконтролируемый метод обучения

 

Глава 14

    14.1 Основная концепция кластеризации

        14.1.1 Сходство или расстояние

        14.1.2 Класс или кластер

        14.1.3 Расстояние между классами и классами

 

    14.2 Кластер слоя

 

    14.3 K средний кластер

        14.3.1 модель

        14.3.2 Стратегия

        14.3.3 алгоритм

        14.3.4 Характеристика

Глава 15 Странное разложение ценности

    15.1 Определение и природа странного разложения ценности

        15.1.1 Определение и теорема

        15.1.2 Плотно другое разложение значений и отключить странное разложение различных значений

        15.1.3 Геометрическое объяснение

        15.1.4 Главная природа

 

    15.2 Расчет странного разложения значений

 

    15.3 Странное разложение значений аналогично матрице

        15.3.1 Образец Фрабания

        15.3.2 Оптимальное приближение матрицы

        15.3.3 Расширять

   Эта глава обычно

   продолжить чтение

   упражнение

   Рекомендации

Глава 16 Основной компонентный анализ

    16.1 Общий анализ основных компонентов

        16.1.1 Основная идея

        16.1.2 Определение и экспорт

        16.1.3 Главная природа

        16.1.4 Количество основных компонентов

        16.1.5 Общий основной компонент стандартизированных переменных


    16.2 Образец основной компонентный анализ

        16.2.1 Определение и характер основного компонента образца

        16.2.2 Характерный алгоритм разложения значения соответствующей матрицы

        16.2.3 Алгоритм разложения странных значений Бюро данных


   Эта глава обычно

   продолжить чтение

   упражнение

   Рекомендации

Глава 17 Потенциальный семантический анализ

    17.1 Слово -векторное пространство и тематическое векторное пространство

        17.1.1 Слово -векторное пространство

        17.1.2 Тематическое векторное пространство


    17.2 Потенциальный алгоритм семантического анализа

        17.2.1 Алгоритм матрицы странного разложения различных значений

        17.2.2 пример


    17.3 Негативное алгоритм разложения матрицы

        17.3.1 Негативное матричное разложение

        17.3.2 Потенциальная модель семантического анализа

        17.3.3 Формализация негативной матричной разложения

        17.3.4 алгоритм

   Эта глава обычно

   продолжить чтение

   упражнение

   Рекомендации

Глава 18 Потенциальный семантический анализ популярности

    18.1 Потенциальная модель семантического анализа вероятности

        18.1.1 Основная идея

        18.1.2 Генерировать

        18.1.3 Общая модель

        18.1.4 Модель природа


    18.2 Потенциальный потенциальный алгоритм семантического анализа

   Эта глава обычно

   продолжить чтение

   упражнение

   Рекомендации

Глава 19 Малкова цепь Монте -Карлоа

    19.1 Монте Карола

        19.1.1 Случайная выборка

        19.1.2 Математическая оценка ожидания

        19.1.3 Интегральный расчет

    19.2 Маркин цепь

        19.2.1 Основное определение

        19.2.2 Дискретное государство цепь Малкова

        19.2.3 Непрерывная цепочка Malcov

        19.2.4 Природа цепи Малкова


    19.3 Малкова цепь Монте -Карлоа

        19.3.1 Основная идея

        19.3.2 Основные шаги

        19.3.3 Метод и статистическое обучение MALCOV MONTE CARLO


    19.4 Алгоритм Метрополиса-Хаастингс

        19.4.1 Основные принципы

        19.4.2 Алгоритм Метрополиса-Хаастингс

        19.4.3 Алгоритм мегаполиса-гастингса


    19.5 Гиббс выборка

        19.5.1 Основные принципы

        19.5.2 Алгоритм отбора проб Гиббса

        19.5.3 Расчет образца

   Эта глава обычно

   продолжить чтение

   упражнение

   Рекомендации

Глава 20 Потенциальное распределение дили Крей

    20.1 Delikre Distribution

        20.1.1 Распределенное определение

        20.1.2 Gongxuan Первая проверка


    20.2 Потенциальная модель распределения Di Likre

        20.2.1 Основная идея

        20.2.2 Определение модели

        20.2.3 Модель графика вероятности

        20.2.4 Преобразование последовательности случайной переменной

        20.2.5 Вероятность формулы


    20.3 Алгоритм отбора проб LDA

        20.3.1 Основная идея

        20.3.2 Основная часть алгоритма

        20.3.3 Пост -обработка алгоритма

        20.3.4 алгоритм


    20.4 Алгоритм изменения LDA EM

        20.4.1 Различать

        20.4.2 Изменить EM -алгоритм

        20.4.3 Алгоритм деривация

        20.4.4 Алгоритм резюме

   Эта глава обычно

   продолжить чтение

   упражнение

   Рекомендации

Глава 21 Алгоритм PageRank

    21.1 Определение PageRank

        21.1.1 Основная идея

        21.1.2 Есть указания и модели случайных ходьбы

        21.1.3 Основное определение PageRank

        21.1.4 Общее определение PageRank


    21.2 PAGERANK Расчет

        21.2.1 Итеративные алгоритмы

        21.2.2 Метод питания

        21.3.3 Алгебра

   Эта глава обычно

   продолжить чтение

   упражнение

   Рекомендации

Глава 22 Сводка неконтролируемых методов обучения

    22.1 Отношения и характеристики неконтролируемых методов обучения

        22.1.1 Отношения между различными методами

        22.1.2 Неконтролируемый метод обучения

        22.1.3 Основа и методы обучения


    22.2 Отношения и характеристики между тематическими моделями

   Рекомендации

   Приложение Метод падения градиента

   Приложение Б Ньютоновский метод и ньютоновский метод

   Приложение С Лабрангри

   Приложение Д Основное подпространство матрицы

   Приложение Д Определение КЛ рассеян и характер дивизии Диликри