Введение в машинное обучение, машинное обучение искусственное интеллект самостоятельный учебник
Цена: 899руб. (¥42.5)
Артикул: 569384889849
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товараПродавец:中图天下图书专营
Адрес:Пекин
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥ 99 541 142руб.
¥ 69.8 49.561 048руб.
¥44.5941руб.
¥38.8820руб.
Каталог
Глава 1 Наука данных и машинное обучение 1
1.1 Роль науки о данных в сфере бизнеса 2
1.2 Классификация алгоритма машинного обучения 8
1.2.1 Категория: Алгоритм класса суда 8
1.2.2 Анализ возврата: Алгоритм прогноза 9
1.2.3 Анализ классификации: алгоритм неконтролируемых групп 10
1.2.4 Другие алгоритмы 12
1.3 Примеры, используемые в этой книге 13
1.3.1 Значение наблюдения на основе регрессионного анализа.
1.3.2 Новая классификация данных на основе линейного суждения 17
1.3.3 Обработка затухания файлов изображений (извлечь репрезентативный цвет) 18
1.3.4 Определение текста почерка 19
1.4 Подготовка инструментов анализа 20
1.4.1 Инструменты анализа данных, используемые в этой книге 21
1.4.2 Шаги настройки эксплуатационной среды (в качестве примера возьмите CentOS 6) 22
1.4.3 Шаги настройки рабочей среды (примером Mac OS X) 25
1.4.4 Шаг настройки среды.
1.4.5 Как использовать ipython 30
Глава 2 *Маленький второй метод: Теория машинного обучения Шаг 1 35
2.1 Вывод на основе приближения полиномиального и*маленького вторичного метода 36
2.1.1 Особенности и целевые переменные учебного набора 36
2.1.2 Настройки приблизительных полиномиальных и ошибок функций 38
2.1.3 Функция ошибки*Миниатюризационные условия 39
2.1.4 Подтверждение примера кода 42
2.1.5 Статистическая модель*Первичные два умножения 46
2.2 Чрезмерный экзамен на фитингу 49
2.2.1 Учебный набор и набор тестов 49
2.2.2 Результаты проверки тестового набора 50 50
2.2.3 Проверка возможности публикации на основе перекрестного допроса 52
2.2.4 Переживание на основе данных 54
2.3 Приложение: характеристики матрицы Гессиан 56
Глава 3*Отличный метод толкания: теория вывода об использовании вероятности 59
3.1 Использование вероятности модели 60
3.1.1“”
3.1.2 Оценка параметров на основе аналогичной функции 65
3.1.3 Подтверждение примера кода 69
3.2 Объяснение упрощенных примеров 73
3.2.1 Модель параметра нормального распределения 74
3.2.2 Подтверждение примера кода 76
3.2.3 Метод оценки количества (согласованность и не -биасированная) 78
3.3 Приложение: среднее значение среднего значения и последовательность дисперсии выборки и не -биа -доказательство 80
3.3.1 Среднее значение выборки и согласованность дисперсии выборки и не -биасированное доказательство 81
3.3.2 Подтверждение примера кода 85
Глава 4 Peris: Основа алгоритма классификации 89
4.1 Алгоритм метода падения градиента вероятности 91
4.1.1.
4.1.2 Результаты классификации на основе оценки функции ошибки 93
4.1.3 Классифицированная коррекция параметров 95
4.1.4 Подтверждение примера кода 99
4.2 Геометрическое объяснение периодов 100
4.2.1 Арбитраж диагонального элемента и скорость сходимости алгоритма 101
4.2.2 Геометрическое объяснение Перис 103
4.2.3 Геометрия диагонального элемента Значение 104
Глава 5 Кривые логистического возврата и ROC: метод оценки модели 107 Оценка.
5.1 Заявление о вопросах классификации*Выдающийся Push Disposter 108
5.1.1 Настройки вероятности появления данных 108
5.1.2 Параметры, основанные на*превосходном методе, определяются 112.
5.1.3 Подтверждение примера кода 114
5.2 Оценка модели обучения на основе кривой ROC 117
5.2.1 Применение логистического возврата к фактическим задачам 118
5.2.2 Оценка эффективности на основе кривой ROC 120
5.2.3 Подтверждение примера кода 123
5.3 Приложение: разработка закона IRLS 126
Глава 6 Средний алгоритм: основа неконтролируемой модели обучения 133
6.1 Анализ классификации и экземпляр применения на основе среднего алгоритма K.
6.1.1 Анализ классификации класса класса класса модели 134
6.1.2 Анализ кластеризации на основе среднего алгоритма K 135
6.1.3 Приложение в данных изображения 138
6.1.4 Подтверждение примера кода 141
6.1.5 Математическая основа алгоритма равного значения 143
6.2“ ленивый&Rdquo;
6.2.1 Классификация на основе K почти смежного метода 146
6.2.2 Проблема ближнего соседнего метода 148
Глава 7 Алгоритм EM: обучение на надзоре, основанное на*вы продвигаете разбитый закон 151
7.1 Используйте*Вы нажимаете Закон о дисплее Berunley Distributed 152
7.1.1 Синтетический метод текста почерка 153
7.1.2*Отличный метод для разжигания на основе генератора изображений 154
7.2 Используйте смешанное распределение*Вы нажимаете разбитый метод 157
7.2.1 Расчет вероятности на основе смешанного распределения 157
7.2.2 Процесс алгоритма EM 158
7.2.3 Подтверждение примера кода 161
7.2.4 Исследовательский анализ данных на основе кластерного анализа 165
7.3 Приложение: метод сбора текстовых данных почерка 167
Глава 8 Байеса выводы: метод повышения доверия на основе данных 169
8.1 Байесовская модель вывода и байесовская теорема 170
8.1.1 Идеи с выводом байеса 171
8.1.2 Байесовская теорема Начало работы 172
8.1.3 Используйте байесс для вывода, чтобы определить нормальное распределение: вывода параметр 178
8.1.4 Используйте Байесс, чтобы определить определение для определения нормального распределения: вывести распределение значений наблюдения 185
8.1.5 Подтверждение примера кода 188
8.2 Применение анализа возврата байеса 190
8.2.1 Расчет более позднего распределения параметров 190
8.2.2 Вывод распределения стоимости наблюдения 194
8.2.3 Подтверждение примера кода 195
8.3 Приложение:*Взаимосвязь между выдающимся push и байеса
PostScript 201
Введение
Искусственный интеллект формирует новую волну, которая изменит нашу работу и образ жизни со всех уровней, таких как технология, экономика, общество.Как важная технология для реализации искусственного интеллекта, машинное обучение привлекает более широкое внимание экспертов по искусственному интеллекту.Эта книга тесно окружена“&Rdquo;Основная цель книги - помочь читателям понять суть машинного обучения. прочная основа.
об авторе
Родился в Осаке, Япония, в апреле 1971 года.В настоящее время он является инженером Linux, который работает в известной Red Hat издателя Linux, и в основном стремится продвигать применение Linux/OSS в системе предприятия.От разработки компаний, основанных на Linux/OSS, до эксплуатации и технического обслуживания более 10 000 серверов Linux, до проектирования и построения частных облаков, он освоил богатый опыт программирования Linux с помощью различных проектов и активно использует себя. Преподавал молодым программистам.Работы включают в себя «Технология управления сетью Linux System» и «Архитектура и навыки системы Linux System и навыки применения».
Рекомендуемая рекомендация
Управление коммерческого приложения машинного обучения Введение в Введение Данные Данные Наука Справочник справочника на основе Python
