掃一掃
關(guān)注中圖網(wǎng)
官方微博
統(tǒng)計學(xué)習(xí)方法-(第2版) 版權(quán)信息
- ISBN：9787302517276
- 條形碼：9787302517276 ; 978-7-302-51727-6
- 裝幀：一般輕型紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
統(tǒng)計學(xué)習(xí)方法-(第2版) 本書特色
統(tǒng)計學(xué)習(xí)方法即機(jī)器學(xué)習(xí)方法，是計算機(jī)及其應(yīng)用領(lǐng)域的一門重要學(xué)科。
本書分為監(jiān)督學(xué) 習(xí)和無監(jiān)督學(xué)習(xí)兩篇，全面系統(tǒng)地介紹了統(tǒng)計學(xué)習(xí)的主要方法。
包括感知機(jī)、k 近鄰法、樸素貝 葉斯法、決策樹、邏輯斯諦回歸與*熵模型、
支持向量機(jī)、提升方法、EM 算法、隱馬爾可夫 模型和條件隨機(jī)場，以及聚類方法、
奇異值分解、主成分分析、潛在語義分析、概率潛在語義分 析、馬爾可夫鏈蒙特卡羅法、
潛在狄利克雷分配和 PageRank 算法等。除有關(guān)統(tǒng)計學(xué)習(xí)、監(jiān)督學(xué) 習(xí)和無監(jiān)督學(xué)習(xí)的概
論和總結(jié)的四章外，每章介紹一種方法。敘述力求從具體問題或?qū)嵗胧郑?由淺入深，
闡明思路，給出必要的數(shù)學(xué)推導(dǎo)，便于讀者掌握統(tǒng)計學(xué)習(xí)方法的實(shí)質(zhì)，學(xué)會運(yùn)用。
為滿足讀者進(jìn)一步學(xué)習(xí)的需要，書中還介紹了一些相關(guān)研究，給出了少量習(xí)題，統(tǒng)計學(xué)習(xí)方法即機(jī)器學(xué)習(xí)方法，是計算機(jī)及其應(yīng)用領(lǐng)域的一門重要學(xué)科。
本書分為監(jiān)督學(xué) 習(xí)和無監(jiān)督學(xué)習(xí)兩篇，全面系統(tǒng)地介紹了統(tǒng)計學(xué)習(xí)的主要方法。
包括感知機(jī)、k 近鄰法、樸素貝 葉斯法、決策樹、邏輯斯諦回歸與*熵模型、
支持向量機(jī)、提升方法、EM 算法、隱馬爾可夫 模型和條件隨機(jī)場，以及聚類方法、
奇異值分解、主成分分析、潛在語義分析、概率潛在語義分 析、馬爾可夫鏈蒙特卡羅法、
潛在狄利克雷分配和 PageRank 算法等。除有關(guān)統(tǒng)計學(xué)習(xí)、監(jiān)督學(xué) 習(xí)和無監(jiān)督學(xué)習(xí)的概
論和總結(jié)的四章外，每章介紹一種方法。敘述力求從具體問題或?qū)嵗胧郑?由淺入深，
闡明思路，給出必要的數(shù)學(xué)推導(dǎo)，便于讀者掌握統(tǒng)計學(xué)習(xí)方法的實(shí)質(zhì)，學(xué)會運(yùn)用。
為滿足讀者進(jìn)一步學(xué)習(xí)的需要，書中還介紹了一些相關(guān)研究，給出了少量習(xí)題，
列出了主要參 考文獻(xiàn)。 本書是統(tǒng)計機(jī)器學(xué)習(xí)及相關(guān)課程的教學(xué)參考書，
適用于高等院校文本數(shù)據(jù)挖掘、信
息檢索及自然語言處理等專業(yè)的大學(xué)生、
研究生，也可供從事計算機(jī)應(yīng)用相關(guān)專業(yè)的研發(fā)人員 參考。
統(tǒng)計學(xué)習(xí)方法-(第2版) 內(nèi)容簡介
隨著人工智能和大數(shù)據(jù)在社會各行各業(yè)的廣泛應(yīng)用，統(tǒng)計學(xué)習(xí)方法已經(jīng)成為人們急需了解與掌握的熱門知識與技術(shù)。本書為具有高等數(shù)學(xué)、線性代數(shù)和概率統(tǒng)計基礎(chǔ)知識的人們提供了一本統(tǒng)計機(jī)器學(xué)習(xí)的基本讀物。2012年的*版敘述了一批重要和常用的主要是監(jiān)督學(xué)習(xí)的方法，受到廣大讀者的歡迎，已加印十三萬多冊。第二版主要增加了無監(jiān)督學(xué)習(xí)的內(nèi)容，包括近十種統(tǒng)計學(xué)習(xí)方法，使讀者能夠更好地了解和掌握統(tǒng)計機(jī)器學(xué)習(xí)這門新興學(xué)科。
統(tǒng)計學(xué)習(xí)方法-(第2版) 目錄
目錄
**篇 監(jiān)督學(xué)習(xí)
第二篇 無監(jiān)督學(xué)習(xí)
第13章 無監(jiān)督學(xué)習(xí)概論
13.1.1 無監(jiān)督學(xué)習(xí)基本原理
13.1.2 基本問題
13.1.3 機(jī)器學(xué)習(xí)三要素
13.1.4 無監(jiān)督學(xué)習(xí)方法
第14章 聚類方法
14.1 聚類的基本概念
14.1.1 相似度或距離
14.1.2 類或簇
14.1.3 類與類之間的距離
14.2 層次聚類
14.3 k均值聚類
14.3.1 模型
14.3.2 策略
14.3.3 算法
14.3.4 算法特點(diǎn)
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第15章 奇異值分解
15.1 奇異值分解的定義與性質(zhì)
15.1.1 定義與定理
15.1.2 緊奇異值分解與截斷奇異值分解
15.1.3 幾何解釋
15.1.4 主要性質(zhì)
15.2 奇異值分解的計算
15.3 奇異值分解與矩陣近似
15.3.1 弗羅貝尼烏斯范數(shù)
15.3.2 矩陣的*優(yōu)近似
15.3.3 矩陣的外積展開式
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第16章 主成分分析
16.1 總體主成分分析
16.1.1 基本想法
16.1.2 定義和導(dǎo)出
16.1.3 主要性質(zhì)
16.1.4 主成分的個數(shù)
16.1.5 規(guī)范化變量的總體主成分
16.2 樣本主成分分析
16.2.1 樣本主成分的定義和性質(zhì)
16.2.2 相關(guān)矩陣的特征值分解算法
16.2.3 數(shù)據(jù)局正的奇異值分解算法
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第17章 潛在語義分析
17.1 單詞向量空間與話題向量空間
17.1.1 單詞向量空間
17.1.2 話題向量空間
17.2 潛在語義分析算法
17.2.1 矩陣奇異值分解算法
17.2.2 例子
17.3 非負(fù)矩陣分解算法
17.3.1 非負(fù)矩陣分解
17.3.2 潛在語義分析模型
17.3.3 非負(fù)矩陣分解的形式化
17.3.4 算法
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第18章 概率潛在語義分析
18.1 概率潛在語義分析模型
18.1.1 基本想法
18.1.2 生成模型
18.1.3 共現(xiàn)模型
18.1.4 模型性質(zhì)
18.2 概率潛在語義分析的算法
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第19章 馬爾可夫鏈蒙特卡羅法
19.1 蒙特卡羅法
19.1.1 隨機(jī)抽樣
19.1.2 數(shù)學(xué)期望估計
19.1.3 積分計算
19.2 馬爾可夫鏈
19.2.1 基本定義
19.2.2 離散狀態(tài)馬爾可夫鏈
19.2.3 連續(xù)狀態(tài)馬爾可夫鏈
19.2.4 馬爾可夫鏈的性質(zhì)
19.3 馬爾可夫鏈蒙特卡羅法
19.3.1 基本想法
19.3.2 基本步驟
19.3.3 馬爾可夫鏈蒙特卡羅法與統(tǒng)計學(xué)習(xí)
19.4 Metropolis-Hastings算法
19.4.1 基本原理
19.4.2 Metropolis-Hastings算法
19.4.3 單分量Metropolis-Hastings算法
19.5 吉布斯抽樣
19.5.1 基本原理
19.5.2 吉布斯抽樣算法
19.5.3 抽樣計算
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第20章 潛在狄利克雷分配
20.1 狄利克雷分布
20.1.1 分布定義
20.1.2 共軛先驗
20.2 潛在狄利克雷分配模型
20.2.1 基本想法
20.2.2 模型定義
20.2.3 概率圖模型
20.2.4 隨機(jī)變量序列的可交換性
20.2.5 概率公式
20.3 LDA的吉布斯抽樣算法
20.3.1 基本想法
20.3.2 算法的主要部分
20.3.3 算法的后處理
20.3.4 算法
20.4 LDA的變分EM算法
20.4.1 變分推理
20.4.2 變分EM算法
20.4.3 算法推導(dǎo)
20.4.4 算法總結(jié)
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第21章 PageRank算法
21.1 PageRank的定義
21.1.1 基本想法
21.1.2 有向圖和隨機(jī)游走模型
21.1.3 PageRank的基本定義
21.1.4 PageRank的一般定義
21.2 PageRank的計算
21.2.1 迭代算法
21.2.2 冪法
21.3.3 代數(shù)算法
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第22章 無監(jiān)督學(xué)習(xí)方法總結(jié)
22.1 無監(jiān)督學(xué)習(xí)方法的關(guān)系和特點(diǎn)
22.1.1 各種方法之間的關(guān)系
22.1.2 無監(jiān)督學(xué)習(xí)方法
22.1.3 基礎(chǔ)及其學(xué)習(xí)方法
22.2 話題模型之間的關(guān)系和特點(diǎn)
參考文獻(xiàn)
附錄A 梯度下降法
附錄B 牛頓法和擬牛頓法
附錄C 拉格朗日對偶性
附錄D 矩陣的基本子空間
附錄E KL散度的定義和狄利克雷分布的性質(zhì)
索引
**篇 監(jiān)督學(xué)習(xí)
第二篇 無監(jiān)督學(xué)習(xí)
第13章 無監(jiān)督學(xué)習(xí)概論
13.1.1 無監(jiān)督學(xué)習(xí)基本原理
13.1.2 基本問題
13.1.3 機(jī)器學(xué)習(xí)三要素
13.1.4 無監(jiān)督學(xué)習(xí)方法
第14章 聚類方法
14.1 聚類的基本概念
14.1.1 相似度或距離
14.1.2 類或簇
14.1.3 類與類之間的距離
14.2 層次聚類
14.3 k均值聚類
14.3.1 模型
14.3.2 策略
14.3.3 算法
14.3.4 算法特點(diǎn)
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第15章 奇異值分解
15.1 奇異值分解的定義與性質(zhì)
15.1.1 定義與定理
15.1.2 緊奇異值分解與截斷奇異值分解
15.1.3 幾何解釋
15.1.4 主要性質(zhì)
15.2 奇異值分解的計算
15.3 奇異值分解與矩陣近似
15.3.1 弗羅貝尼烏斯范數(shù)
15.3.2 矩陣的*優(yōu)近似
15.3.3 矩陣的外積展開式
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第16章 主成分分析
16.1 總體主成分分析
16.1.1 基本想法
16.1.2 定義和導(dǎo)出
16.1.3 主要性質(zhì)
16.1.4 主成分的個數(shù)
16.1.5 規(guī)范化變量的總體主成分
16.2 樣本主成分分析
16.2.1 樣本主成分的定義和性質(zhì)
16.2.2 相關(guān)矩陣的特征值分解算法
16.2.3 數(shù)據(jù)局正的奇異值分解算法
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第17章 潛在語義分析
17.1 單詞向量空間與話題向量空間
17.1.1 單詞向量空間
17.1.2 話題向量空間
17.2 潛在語義分析算法
17.2.1 矩陣奇異值分解算法
17.2.2 例子
17.3 非負(fù)矩陣分解算法
17.3.1 非負(fù)矩陣分解
17.3.2 潛在語義分析模型
17.3.3 非負(fù)矩陣分解的形式化
17.3.4 算法
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第18章 概率潛在語義分析
18.1 概率潛在語義分析模型
18.1.1 基本想法
18.1.2 生成模型
18.1.3 共現(xiàn)模型
18.1.4 模型性質(zhì)
18.2 概率潛在語義分析的算法
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第19章 馬爾可夫鏈蒙特卡羅法
19.1 蒙特卡羅法
19.1.1 隨機(jī)抽樣
19.1.2 數(shù)學(xué)期望估計
19.1.3 積分計算
19.2 馬爾可夫鏈
19.2.1 基本定義
19.2.2 離散狀態(tài)馬爾可夫鏈
19.2.3 連續(xù)狀態(tài)馬爾可夫鏈
19.2.4 馬爾可夫鏈的性質(zhì)
19.3 馬爾可夫鏈蒙特卡羅法
19.3.1 基本想法
19.3.2 基本步驟
19.3.3 馬爾可夫鏈蒙特卡羅法與統(tǒng)計學(xué)習(xí)
19.4 Metropolis-Hastings算法
19.4.1 基本原理
19.4.2 Metropolis-Hastings算法
19.4.3 單分量Metropolis-Hastings算法
19.5 吉布斯抽樣
19.5.1 基本原理
19.5.2 吉布斯抽樣算法
19.5.3 抽樣計算
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第20章 潛在狄利克雷分配
20.1 狄利克雷分布
20.1.1 分布定義
20.1.2 共軛先驗
20.2 潛在狄利克雷分配模型
20.2.1 基本想法
20.2.2 模型定義
20.2.3 概率圖模型
20.2.4 隨機(jī)變量序列的可交換性
20.2.5 概率公式
20.3 LDA的吉布斯抽樣算法
20.3.1 基本想法
20.3.2 算法的主要部分
20.3.3 算法的后處理
20.3.4 算法
20.4 LDA的變分EM算法
20.4.1 變分推理
20.4.2 變分EM算法
20.4.3 算法推導(dǎo)
20.4.4 算法總結(jié)
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第21章 PageRank算法
21.1 PageRank的定義
21.1.1 基本想法
21.1.2 有向圖和隨機(jī)游走模型
21.1.3 PageRank的基本定義
21.1.4 PageRank的一般定義
21.2 PageRank的計算
21.2.1 迭代算法
21.2.2 冪法
21.3.3 代數(shù)算法
本章概要
繼續(xù)閱讀
習(xí)題
參考文獻(xiàn)
第22章 無監(jiān)督學(xué)習(xí)方法總結(jié)
22.1 無監(jiān)督學(xué)習(xí)方法的關(guān)系和特點(diǎn)
22.1.1 各種方法之間的關(guān)系
22.1.2 無監(jiān)督學(xué)習(xí)方法
22.1.3 基礎(chǔ)及其學(xué)習(xí)方法
22.2 話題模型之間的關(guān)系和特點(diǎn)
參考文獻(xiàn)
附錄A 梯度下降法
附錄B 牛頓法和擬牛頓法
附錄C 拉格朗日對偶性
附錄D 矩陣的基本子空間
附錄E KL散度的定義和狄利克雷分布的性質(zhì)
索引
展開全部
統(tǒng)計學(xué)習(xí)方法-(第2版) 作者簡介
李航，男，畢業(yè)于日本京都大學(xué)電氣電子工程系，日本東京大學(xué)獲得計算機(jī)科學(xué)博士學(xué)位。北京大學(xué)、南京大學(xué)兼職教授。曾任日本NEC公司中央研究所研究員，微軟亞洲研究院高級研究員與主任研究員、華為技術(shù)有限公司諾亞方舟實(shí)驗室主任。現(xiàn)任今日頭條人工智能實(shí)驗室主任。
書友推薦
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
煙與鏡
- >
我與地壇
- >
經(jīng)典常談
- >
月亮與六便士
- >
羅庸西南聯(lián)大授課錄
- >
我從未如此眷戀人間
- >
詩經(jīng)-先民的歌唱
本類暢銷
