書????名 | 機器學(xué)習(xí):貝葉斯和優(yōu)化方法(英文版·原書第2版) | 作????者 | [希] 西格爾斯·西奧多里蒂斯(Sergios Theodoridis) |
---|---|---|---|
出版社 | 機械工業(yè)出版社 | ISBN | 9787111668374 |
Prefaceiv
Acknowledgmentsvi
About the Authorviii
Notationix
CHAPTER1 Introduction1
11 The Historical Context1
12 Artificia Intelligenceand Machine Learning2
13 Algorithms Can Learn WhatIs Hidden in the Data4
14 Typical Applications of Machine Learning6
Speech Recognition6
Computer Vision6
Multimodal Data6
Natural Language Processing7
Robotics7
Autonomous Cars7
Challenges for the Future8
15 Machine Learning: Major Directions8
151 Supervised Learning8
16 Unsupervised and Semisupervised Learning11
17 Structure and a Road Map of the Book12
References16
CHAPTER2 Probability and Stochastic Processes19
21 Introduction20
22 Probability and Random Variables20
221 Probability20
222 Discrete Random Variables22
223 Continuous Random Variables24
224 Meanand Variance25
225 Transformation of Random Variables28
23 Examples of Distributions29
231 Discrete Variables29
232 Continuous Variables32
24 Stochastic Processes41
241 First-and Second-Order Statistics42
242 Stationarity and Ergodicity43
243 Power Spectral Density46
244 Autoregressive Models51
25 Information Theory54
251 Discrete Random Variables56
252 Continuous Random Variables59
26 Stochastic Convergence61
Convergence Everywhere62
Convergence Almost Everywhere62
Convergence in the Mean-Square Sense62
Convergence in Probability63
Convergence in Distribution63
Problems63
References65
CHAPTER3 Learning in Parametric Modeling: Basic Concepts and Directions67
31 Introduction67
32 Parameter Estimation: the Deterministic Point of View68
33 Linear Regression71
34Classifcation75
Generative Versus Discriminative Learning78
35 Biased Versus Unbiased Estimation80
351 Biased or Unbiased Estimation"para" label-module="para">
36 The Cram閞朢ao Lower Bound83
37 Suffcient Statistic87
38 Regularization89
Inverse Probl
2100433B
本書通過講解監(jiān)督學(xué)習(xí)的兩大支柱——回歸和分類——將機器學(xué)習(xí)納入統(tǒng)一視角展開討論。書中首先討論基礎(chǔ)知識,包括均方、*小二乘和*大似然方法、嶺回歸、貝葉斯決策理論分類、邏輯回歸和決策樹。然后介紹新近的技術(shù),包括稀疏建模方法,再生核希爾伯特空間中的學(xué)習(xí)、支持向量機中的學(xué)習(xí)、關(guān)注EM算法的貝葉斯推理及其近似推理變分版本、蒙特卡羅方法、聚焦于貝葉斯網(wǎng)絡(luò)的概率圖模型、隱馬爾科夫模型和粒子濾波。此外,本書還深入討論了降維和隱藏變量建模。全書以關(guān)于神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)架構(gòu)的擴展章節(jié)結(jié)束。此外,書中還討論了統(tǒng)計參數(shù)估計、維納和卡爾曼濾波、凸性和凸優(yōu)化的基礎(chǔ)知識,其中,用一章介紹了隨機逼近和梯度下降族的算法,并提出了分布式優(yōu)化的相關(guān)概念、算法和在線學(xué)習(xí)技術(shù)。
室內(nèi)設(shè)計軟件:AutoCAD2004(常用)、3Dmax效果圖建模、lightscape3.2渲染軟件,photshop7。0圖片處理軟件。 學(xué)室內(nèi)設(shè)計,首要先看懂設(shè)計圖紙,AutoCAD軟件一般畫施...
大概中文版的更容易接受吧? 畢竟能看懂英文軟件的人員比較少
CAD快速看圖怎么把英文版改成中文版,用安裝包裝出來的軟件就是英文版的
搜索下載中文版或破解版看看回復(fù)補充:追問無法顯示
格式:pdf
大?。?span id="cv59rjb" class="single-tag-height">9KB
頁數(shù): 5頁
評分: 4.5
授權(quán)委托書英文版 委托書就是一份委托人就某項事情的辦理委托受托人 的書面方式,主要內(nèi)容是表明誰委托誰去辦理什么事情,具 體有哪些權(quán)限法律授權(quán)委托書范本怎么寫呢一份具有法律 效力的授權(quán)委托書的格式、樣本要求是什么,今天委托書欄 目的本人為您收集整理《授權(quán)委托書英文版》 ,希望你能夠 從中了解到有關(guān)法律授權(quán)裁委托書的寫法。 授權(quán)委托書英文版一 The Letter of Authorization (Power of Attorney) I, the undersigned Mr. /Ms. _____representing ___________(company name), a corporation duly established by and existing under the law of_________(region) and having its office
格式:doc
大小:9KB
頁數(shù): 8頁
評分: 4.7
外貿(mào)合同 Contract( sales confirmation) 合同編號(Contract No.): _______________ 簽訂日期(Date) :___________ 簽訂地點(Signed at) :___________ 買方:__________________________ The Buyer:________________________ 地址:__________________________ Address: _________________________ 電話(Tel):___________傳真(Fax):__________ 電子郵箱(E-mail):______________________ 賣方:________________
本書創(chuàng)造性地匯編了數(shù)據(jù)挖掘技術(shù),將統(tǒng)計數(shù)據(jù)挖掘和機器學(xué)習(xí)數(shù)據(jù)挖掘進行了區(qū)分,對經(jīng)典和現(xiàn)代統(tǒng)計方法框架進行了擴展,以用于預(yù)測建模和大數(shù)據(jù)分析。本書在第2版的基礎(chǔ)上新增了13章,內(nèi)容涵蓋數(shù)據(jù)科學(xué)發(fā)展歷程、市場份額估算、無抽樣調(diào)研數(shù)據(jù)預(yù)測錢包份額、潛在市場細分、利用缺失數(shù)據(jù)構(gòu)建統(tǒng)計回歸模型、十分位分析評估數(shù)據(jù)的預(yù)測能力,以及一個無須精通自然語言處理就能使用的文本挖掘工具。本書適合數(shù)據(jù)挖掘從業(yè)者以及對機器學(xué)習(xí)數(shù)據(jù)挖掘感興趣的人閱讀。
本書是數(shù)據(jù)挖掘和機器學(xué)習(xí)領(lǐng)域的經(jīng)典暢銷教材,被國內(nèi)外眾多名校選用。第4版新增了關(guān)于深度學(xué)習(xí)和概率方法的重要章節(jié),同時,備受歡迎的機器學(xué)習(xí)軟件Weka也再度升級。書中全面覆蓋了該領(lǐng)域的實用技術(shù),致力于幫助讀者理解不同技術(shù)的工作方式和應(yīng)用方式,從而學(xué)會在工程實踐和商業(yè)項目中解決真實問題。本書適合作為高等院校相關(guān)課程的教材,同時也適合業(yè)內(nèi)技術(shù)人員閱讀參考。
第3版前言
第2版前言
致謝
關(guān)于作者
第1章 引論
第2章 數(shù)據(jù)處理相關(guān)學(xué)科:統(tǒng)計學(xué)和數(shù)據(jù)科學(xué)
第3章 變量評估的兩種基本數(shù)據(jù)挖掘方法
第4章 用于評估成對變量的基于CHAID的數(shù)據(jù)挖掘方法
第5章 校直數(shù)據(jù)的簡單性和可取性對建模十分重要
第6章 排序數(shù)據(jù)對稱化:提高數(shù)據(jù)預(yù)測能力的統(tǒng)計數(shù)據(jù)挖掘方法
第7章 主成分分析:多變量評估的統(tǒng)計數(shù)據(jù)挖掘方法
第8章 市場份額估算:一個特殊的數(shù)據(jù)挖掘案例
第9章 相關(guān)系數(shù)在[-1, 1]內(nèi)取值,是這樣嗎
第10章 邏輯斯諦回歸:回應(yīng)建模方法
第11章 無抽樣調(diào)研數(shù)據(jù)預(yù)測錢包份額
第12章 普通回歸:利潤建模的強大工具
第13章 回歸變量選擇方法:可忽略的問題和重要解決方案
第14章 用CHAID解讀邏輯斯諦回歸模型
第15章 回歸系數(shù)的重要性
第16章 相關(guān)系數(shù)均值:評估預(yù)測模型和預(yù)測變量重要性的統(tǒng)計數(shù)據(jù)挖掘指標
第17章 交互變量指定CHAID模型
第18章 市場細分:邏輯斯諦回歸建模
第19章 市場細分:時間序列數(shù)據(jù)LCA
第20章 市場細分:理解細分群體的便捷途徑
第21章 統(tǒng)計回歸模型:理解模型的簡單方法
第22章 CHAID:填充缺失值的方法
第23章 大數(shù)據(jù)建模
第24章 藝術(shù)、科學(xué)、數(shù)字和詩歌
第25章 識別最佳客戶:描述性、預(yù)測性和相似性描述
第26章 營銷模型評估
第27章 十分位分析:視角與效果
第28章 T-C凈提升度模型:評估試驗組與對照組的營銷效果
第29章 自助法在營銷中的應(yīng)用:一種新的模型驗證方法
第30章 用自助法驗證邏輯斯諦回歸模型
第31章 營銷模型可視化:用數(shù)據(jù)深度挖掘模型
第32章 預(yù)測貢獻系數(shù):預(yù)測重要性的度量
第33章 建模是藝術(shù)、科學(xué)與詩的結(jié)合
第34章 獻給數(shù)據(jù)狂的數(shù)據(jù)分析12步法
第35章 遺傳回歸模型與統(tǒng)計回歸模型
第36章 數(shù)據(jù)重用:GenIQ模型的強大數(shù)據(jù)挖掘技術(shù)
第37章 數(shù)據(jù)挖掘技術(shù)——離群值的調(diào)整
第38章 過擬合的全新解決方案
第39章 回顧:為何校直數(shù)據(jù)如此重要
第40章 GenIQ模型的定義與應(yīng)用
第41章 如何為營銷模型選擇最佳變量
第42章 解讀無系數(shù)模型
第43章 文本挖掘:入門、示例及TXTDM軟件
第44章 一些我比較喜歡的統(tǒng)計子程序
譯后記 2100433B