书籍详情
![《机器学习理论导引周志华王魏高尉张利军》[50M]百度网盘|亲测有效|pdf下载](/uploads/s2/f9e63d21dbacb840.jpg)
机器学习理论导引周志华王魏高尉张利军
- 出版社:互动图书专营店
- 热度:8438
- 上架时间:2024-06-30 08:52:20
- 价格:9.0
免责声明
本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源，一旦发现资源涉及侵权，将立即删除。希望所有用户一同监督并反馈问题，如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
内容介绍
| 书名： | 机器学习理论导引|8069977 |
| 图书定价： | 79元 |
| 图书作者： | 周志华 王魏 高尉 张利军 |
| 出版社： | 机械工业出版社 |
| 出版日期： | 2020/5/1 0:00:00 |
| ISBN号： | 9787111654247 |
| 开本： | 16开 |
| 页数： | 0 |
| 版次： | 1-1 |
| 作者简介 |
| 作者简介： 周志华 教授，南京大学计算机系主任、人工智能学院院长、校学术委员会委员。欧洲科学院外籍院士。人工智能相关五大主流国际学会ACM、AAAI、AAAS、IEEE、IAPR均入选Fellow的首位华人学者，中国计算机学会、中国人工智能学会会士。曾获IEEE计算机学会Edward J. McCluskey技术成就奖、CCF王选奖等。著有《机器学习》（清华大学出版社）等。 王魏，南京大学计算机系副教授。主要研究方向为机器学习理论，曾获中国计算机学会优秀博士学位论文奖、江苏省优秀博士学位论文奖、CCF青年人才发展计划等荣誉。 高尉，南京大学人工智能学院副教授。主要研究方向为机器学习理论，曾获中国计算机学会优秀博士学位论文奖、江苏省优秀博士学位论文奖等荣誉。 张利军，南京大学计算机系副教授、博士生导师。主要研究方向为大规模机器学习与优化，曾获首届达摩院青橙奖、中国科协青年人才托举工程、CCF青年人才发展计划等荣誉。 |
| 内容简介 |
| 本书旨在为有志于机器学习理论学习和研究的读者提供一个入门导引。在预备知识之后，全书各章分别聚焦于：可学性、（假设空间）复杂度、泛化界、稳定性、一致性、收敛率、遗憾界。 除介绍基本概念外，还给出若干分析实例，如显示如何将不同理论工具应用于支持向量机这种常见机器学习技术。 |
| 目录 |
前言 主要符号表 第1章 预备知识 …………………………… 1 1.1 函数的性质 …………………………… 1 1.2 重要不等式 …………………………… 5 1.3 *优化基础 …………………………… 9 1.4 支持向量机 …………………………… 13 1.5 理论的作用 …………………………… 18 1.6 阅读材料 …………………………… 19 习题 …………………………… 21 参考文献 …………………………… 22 第2章 可学性 …………………………… 25 2.1 基本概念 ……………………………25 2.2 PAC学习 …………………………… 26 2.3 分析实例 …………………………… 30 2.4 阅读材料 …………………………… 35 习题 …………………………… 36 参考文献 …………………………… 37 第3章 复杂度 ……………………………39 3.1 数据分布无关 …………………………… 39 3.2 数据分布相关 …………………………… 46 3.3 分析实例 …………………………… 50 3.4 阅读材料 ……………………………56 习题 ..…………………………… 58 参考文献 …………………………… 59 第4章 泛化界 …………………………… 61 4.1 泛化误差上界 …………………………… 61 4.2 泛化误差下界 …………………………… 71 4.3 分析实例 …………………………… 78 4.4 阅读材料 …………………………… 83 习题 …………………………… 84 参考文献 …………………………… 86 第5章 稳定性 …………………………… 89 5.1 基本概念 …………………………… 89 5.2 重要性质 …………………………… 92 5.3 分析实例 …………………………… 98 5.4 阅读材料 …………………………… 107 习题 …………………………… 108 参考文献 …………………………… 110 第6章 一致性 …………………………… 113 6.1 基本概念 …………………………… 113 6.2 替代函数 …………………………… 117 6.3 划分机制 …………………………… 122 6.4 分析实例 …………………………… 125 6.5 阅读材料 …………………………… 132 习题 …………………………… 134 参考文献 …………………………… 135 第7章 收敛率 …………………………… 137 7.1 基本概念 …………………………… 137 7.2 确定优化 …………………………… 139 7.3 随机优化 …………………………… 143 7.4 分析实例 ……………………………155 7.5 阅读材料 …………………………… 157 习题 …………………………… 159 参考文献 …………………………… 161 第8章 遗憾界 …………………………… 163 8.1 基本概念 …………………………… 163 8.2 完全信息在线学习 …………………………… 165 8.3 赌博机在线学习 …………………………….170 8.4 分析实例 ……………………………184 8.5 阅读材料 …………………………… 188 习题 …………………………… 189 参考文献 …………………………… 191 索引 …………………………… 193 |
| 编辑推荐 |
| 1）随着人工智能技术的不断发展和应用，机器学***来备受关注，对机器学习理论感兴趣的专业人士也日益增多。 2）机器学习理论的主要内容是分析学习任务的困难本质，为学习算法提供理论保证，并根据分析结果指导算法设计。虽然机器学习理论对深入理解机器学习技术非常重要，但由于内容艰深广袤，且来源流派颇为不同，学习难度非常大。 3）国际上机器学习理论的专业图书很少，往往侧重从理论角度来理解机器学习具体技术，或聚焦于某项具体的学习理论，缺乏全面性和系统性。 4）本书由机器学习领域著名学者周志华教授领衔的南京大学机器学习理论团队合著，旨在为有志于机器学习理论学习和研究的读者提供一个入门导引。 5）四位作者梳理出机器学习理论中的七个重要概念或理论工具，除介绍基本概念外，还给出若干分析实例，展示如何应用不同的理论工具来分析具体的机器学习技术。 |