基本信息

• 商品名称：人工智能(机器学习理论与方法)(精)
• 作者：编者:李侃|责编:张迪
• 定价：89
• 出版社：电子工业
• ISBN号：9787121391408

其他参考信息（以实物为准）

• 出版时间：2020-08-01
• 印刷时间：2020-08-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：精装
• 页数：313
• 字数：360千字

内容提要

本书全面系统地讲解了机器学习的理论与方法，内容 主要包括高斯混合模型和EM算法、主题模型、非参数贝叶 斯模型、聚类分析、图模型、支持向量机、矩阵分解、深 度学习及强化学习。本书旨在使读者了解机器学习的发展 ，理解和掌握它的基本原理、方法与主要应用。本书内容 丰富，着重机器学习理论的推导与证明，并通过实例进行 方法的分析与比较。同时，本书强调机器学习的系统性、 完整性和时效性，可读性强。
    

目录

第1章 绪论
1.1 机器学习的定义
1.2 机器学习的发展历史
1.3 机器学习的分类
1.3.1 基于学 统的反馈分类
1.3.2 基于所获取知识的表示形式分类
1.3.3 按应用领域分类
1.3.4 综合分类
1.4 性能度量
1.4.1 数据集
1.4.2 误差
1.4.3 过拟合与欠拟合
1.4.4 评估方法
1.4.5 性能度量指标
1.5 本章小结
第2章 EM算法和高斯模型
2.1 EM算法
2.1.1 极大似然估计
2.1.2 EM算法的引入
2.1.3 EM算法的推导
2.1.4 EM算法的步骤
2.1.5 EM算法的收敛性
2.2 高斯模型
2.2.1 单高斯模型
2.2.2 高斯混合模型
2.2.3 GMM参数估计
2.3 本章小结
第3章 主题模型
3.1 传统的主题模型
3.1.1 VSM模型
3.1.2 LSI模型
3.2 概率主题模型
3.2.1 LDA主题模型
3.2.2 HDP-LDA主题模型
3.3 具有zipf定律性质的主题模型
3.3.1 PY过程
3.3.2 PHTM主题模型
3.4 PHTM推理算法
3.4.1 算法描述
3.4.2 实验
3.5 本章小结
第4章 抽样与非参数贝叶斯方法
4.1 单个随机变量抽样
4.1.1 通过逆累积分布函数抽样
4.1.2 拒 抽样（Rejection Sampling）
4.1.3 重要性抽样（Importance Sampling）
4.2 序列随机变量抽样与马尔可夫链蒙特卡洛
4.2.1 MH算法
4.2.2 吉布斯抽样
4.2.3 切片抽样（Slice Sampling）