- Таобао
- Книги / Журналы/ Газеты
- Экономика
- Статистическая аудита
- 594237439914
[ПК] Метод машинного обучения Лиханг Цинхуа Университет Университет Пресса Интеллектуальная наука и технология Технология компьютерных приложений Алгоритм книги и структура данных Книга алгоритма искусственного интеллекта
![](https://img.alicdn.com/imgextra/i1/2169854453/O1CN01MYF9xh1ilWCpm4csQ_!!0-item_pic.jpg)
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
![рейтинг: 15](/tpl/main/images/tscore/15.gif)
- Информация о товаре
- Фотографии
|
|
|
![](https://assets.alicdn.com/kissy/1.0.0/build/imglazyload/spaceball.gif)
![](https://assets.alicdn.com/kissy/1.0.0/build/imglazyload/spaceball.gif)
Статистический метод обучения,
Цена 98 Юань
ISBN: 9787302517276
Издательство Университета Университета Цингхуа
Время публикации 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 перцептивные машины, соседние методы k, простоту байеса, деревья, принимающие решения, логические модели и*большие энтропии, машины поддержки векторных векторных Анализ, потенциальный семантический анализ, вероятность потенциального семантического анализа, метод Малкова Монте -Карло, потенциальное распределение диликли и алгоритм Pagerank.За исключением четырех глав статистического обучения, практикующих практиков надзора и отсутствия надзора, в каждой главе представлен один метод.Повествование стремится начать с конкретных вопросов или экземпляров, от мелкого до глубокого, прояснить идеи и дать необходимую деривацию математики, чтобы облегчить читателей овладеть сущностью статистических методов обучения и научиться использовать.Чтобы удовлетворить потребности дальнейшего обучения читателей, в книге были введены некоторые связанные исследования, учитывая небольшое количество упражнений и перечисляли основные эталонные документы.Эта книга представляет собой учебник по статистическому машинному обучению и связанных с ним курсам. Она подходит для студентов и аспирантов в крупных колледжах и университетах, таких как интеллектуальный анализ текстовых данных, поиск информации и обработка естественного языка.
Оглавление
Дар 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
Эта глава обычно
продолжить чтение
упражнение
Рекомендации
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 Матрица похожа на лучшую
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 Фундаментальный
19.4.2 Алгоритм Метрополиса-Хаастингс
19.4.3 Алгоритм мегаполиса-гастингса
19.5 Гиббс выборка
19.5.1 Фундаментальный
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 c Лабрангри
Приложение d Основное подпространство матрицы
Приложение e Определение КЛ рассеян и характер дивизии Диликри
индекс