灵通163百科在线-实用的手机,证券免费资源网站

您现在的位置:首页 > 手机图文教程 > WM智能教程 >

机器学习基础教程

教程来源:www.lt163.com     点击数:     更新时间:2017-11-18 07:57

    书籍
    计算机书籍
《机器学习基础教程》介绍机器学习技术及应用的主要算法,重点讲述理解主流的机器学习算法所需的核心数学和统计知识。书中介绍的算法涵盖机器学习的主要问题:分类、聚类和投影。由于本书是机器学习基础课程的教材,所以尽量减少了数学难度,仅对一小部分重要算法给出详细的描述和推导,而对大部分算法仅给出简单介绍,目的在于使学生打好基础,增强信心和兴趣,鼓励他们进一步学习该领域的高级主题或从事相关研究工作。
《机器学习基础教程》是机器学习导论课程教材,适合作为计算机、自动化及相关专业高年级本科生或研究生的教材,也可供研究人员和工程技术人员参考。

作译者

Simon Rogers,英国格拉斯哥大学计算机科学学院讲师,主讲硕土生的机器学习课程。Rogers博士是机器学习领域的一位活跃研究者,研究兴趣包括代谢组学数据分析和概率机器学习技术在人机交互领域的应用。
Mark Girolami,英国伦敦大学学院(UCL)统计系主任和计算机科学系荣誉教授,并担任计算统计学和机器学习研究中心主任。他还是英国统计协会研究组成员,英国工程和科学研究委员会高级研究员,英国工程技术学会会员,爱丁堡皇家学会院士。

目录

《机器学习基础教程》
出版者的话
译者序
前言
第1章线性建模:最小二乘法1
1.1线性建模1
1.1.1定义模型2
1.1.2模型假设2
1.1.3定义什么是好的模型3
1.1.4最小二乘解:一个有效的例子4
1.1.5有效的例子7
1.1.6奥运会数据的最小二乘拟合8
1.1.7小结9
1.2预测9
1.2.1第二个奥运会数据集10
1.2.2小结12
1.3向量/矩阵符号12
1.3.1例子17
1.3.2数值的例子18
1.3.3预测19

1.3.4小结19
1.4线性模型的非线性响应19
1.5泛化与过拟合22
1.5.1验证数据22
1.5.2交叉验证23
1.5.3K折交叉验证的计算缩放25
1.6正则化最小二乘法25
1.7练习27
其他阅读材料28
第2章线性建模:最大似然方法29
2.1误差作为噪声29
2.2随机变量和概率30
2.2.1随机变量30
2.2.2概率和概率分布31
2.2.3概率的加法32
2.2.4条件概率32
2.2.5联合概率33
2.2.6边缘化34
2.2.7贝叶斯规则介绍36
2.2.8期望值37
2.3常见的离散分布39
2.3.1伯努利分布39
2.3.2二项分布39
2.3.3多项分布40
2.4连续型随机变量——概率密度函数40
2.5常见的连续概率密度函数42
2.5.1均匀密度函数42
2.5.2 β密度函数43
2.5.3高斯密度函数44
2.5.4多元高斯44
2.5.5小结46
2.6产生式的考虑(续)46
2.7似然估计47
2.7.1数据集的似然值48
2.7.2最大似然49
2.7.3最大似然解的特点50
2.7.4最大似然法适用于复杂模型52
2.8偏差方差平衡问题53
2.9噪声对参数估计的影响53
2.9.1参数估计的不确定性54
2.9.2与实验数据比较57
2.9.3模型参数的变异性——奥运会数据58
2.10预测值的变异性59
2.10.1预测值的变异性——一个例子59
2.10.2估计值的期望值61
2.10.3小结63
2.11练习63
其他阅读材料64
第3章机器学习的贝叶斯方法66
3.1硬币游戏66
3.1.1计算正面朝上的次数67
3.1.2贝叶斯方法67
3.2精确的后验70
3.3三个场景71
3.3.1没有先验知识71
3.3.2公平的投币76
3.3.3有偏的投币78
3.3.4三个场景——总结80
3.3.5增加更多的数据80
3.4边缘似然估计80
3.5超参数82
3.6图模型83
3.7奥运会100米数据的贝叶斯处理实例84
3.7.1模型84
3.7.2似然估计85
3.7.3先验概率85
3.7.4后验概率85
3.7.51阶多项式87
3.7.6预测89
3.8边缘似然估计用于多项式模型阶的选择90
3.9小结91
3.10练习91
其他阅读材料92
第4章贝叶斯推理94
4.1非共轭模型94
4.2二值响应94
4.3点估计:最大后验估计方案96
4.4拉普拉斯近似100
4.4.1拉普拉斯近似实例:近似γ密度101
4.4.2二值响应模型的拉普拉斯近似102
4.5抽样技术103
4.5.1玩飞镖游戏104
4.5.2 Metropolis-Hastings算法105
4.5.3抽样的艺术110
4.6小结111
4.7练习111
其他阅读材料111
第5章分类113
5.1一般问题113
5.2概率分类器113
5.2.1贝叶斯分类器114
5.2.2逻辑回归121
5.3非概率分类器123
5.3.1 K近邻算法123
5.3.2支持向量机和其他核方法…125
5.3.3小结132
5.4评价分类器的性能133
5.4.1准确率——0/1损失133
5.4.2敏感性和特异性133
5.4.3 ROC曲线下的区域134
5.4.4混淆矩阵135
5.5判别式和产生式分类器136
5.6小结136
5.7练习136
其他阅读材料137
第6章聚类分析138
6.1一般问题138
6.2 K均值聚类139
6.2.1聚类数目的选择141
6.2.2 K均值的不足之处141
6.2.3核化K均值141
6.2.4小结144
6.3混合模型144
6.3.1生成过程144
6.3.2混合模型似然函数146
6.3.3 EM算法146
6.3.4例子151
6.3.5 EM寻找局部最优153
6.3.6组分数目的选择153
6.3.7混合组分的其他形式154
6.3.8用EM估计MAP156
6.3.9贝叶斯混合模型157
6.4小结157
6.5练习157
其他阅读材料158
第7章主成分分析与隐变量模型159
7.1一般问题159
7.2主成分分析161
7.2.1选择D164
7.2.2 PCA的局限性165
7.3隐变量模型165
7.3.1隐变量模型中的混合模型165
7.3.2小结166
7.4变分贝叶斯166
7.4.1选择Q(θ)167
7.4.2优化边界168
7.5 PCA的概率模型168
7.5.1 Qτ(τ)169
7.5.2 Qxn(xn)170
7.5.3 Qwn(wm)171
7.5.4期望值要求171
7.5.5算法172
7.5.6例子173
7.6缺失值174
7.6.1缺失值作为隐变量176
7.6.2预测缺失值176
7.7非实值数据177
7.7.1概率PPCA177
7.7.2议会数据可视化180
7.8小结184
7.9练习184
其他阅读材料184
词汇表185
索引188

译者序

没有相关教程
UC浏览器 最先进实用的手机端浏览器,最大限度节省页面浏览流量,点击下载
老虎地图 绿色纯免费GPS定位省流量的最佳手机地图,点击下载
网秦手机安全系列 手机杀毒防盗,防火墙,构建手机安全,点击进入
塞班精品游戏 最流行最给力的塞班S60免签名名精品游戏合集,点击进入
阿里通 手机上轻松拨打网络电话和收发短信,高音质超省话费,资费标准
爱科手机电话 国内最好的手机网络电话领先品牌,价格低廉,点击查看
愤怒的小鸟2 全民挑战超流行休闲游戏力推新作-愤怒的小鸟2,点击查看
魔力旺旺 淘宝卖家首选的交易工具

资源下载排行
文章阅读排行