下載中心>文集> 機器學習入門

機器學習入門

機器學習是計算機科學與人工智能的重要分支領域,它是一門多領域交叉學科,涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。

移動物聯網、人工智能的迅速發展,讓我們迎來了大數據時代,有許多優勢促使機器學習得到了廣泛應用,同時吸引了更多人關注和學習這門學科。

本文集從機器學習基礎入手,旨在幫助機器學習的初學者能夠基于理論實現并使用機器學習系統。

下載:4188 評論

機器學習數學和編程基礎 文檔列表

簡介:

入門機器學習并不是一件輕松的事,沒有捷徑可言。初學者既要有數學基礎,還要會編程,特別是一些經典的英文書籍,一定要看。

pdf
數學之美(第二版)
標簽:數學原理、大數據、機器學習
積分:1 類型:學術論文上傳者:nishisb上傳時間:2019-02-27
簡介:數學之美 (第二版),作者:吳軍,2014年出版。 幾年前,“數學之美”系列文章原刊載于谷歌黑板報,獲得上百萬次點擊,得到讀者高度評價。讀者說,讀了“數學之美”,才發現大學時學的數學知識,比如馬爾可夫鏈、矩陣計算,甚至余弦函數原來都如此親切,并且栩栩如生,才發現自然語言和信息處理這么有趣。 在紙本書的創作中,作者吳軍博士幾乎把所有文章都重寫了一遍,為的是把高深的數學原理講得更加通俗易懂,讓非專業讀者也能領略數學的魅力。讀者通過具體的例子學到的是思考問題的方式 —— 如何化繁為簡,如何用數學去解決工程問題,如何跳出固有思維不斷去思考創新。 第二版增加了針對大數據和機器學習的內容,以便滿足人們對當下技術的學習需求;同時,根據專家和讀者的反饋更正了一些錯漏,并更新了部分內容。 新版增加了大數據和機器學習等最新內容,以滿足人們對當下技術的學習需求;同時,根據專家和讀者的反饋更正了錯漏,并更新了部分內容。
pdf
《托馬斯微積分(第10版)》
標簽:托馬斯微積分
積分:1 類型:技術書籍上傳者:tyw上傳時間:2016-06-06
簡介:《托馬斯微積分(第10版)》 作者:Maurice Weir Giordano 翻譯:葉其孝 王耀東 唐兢 出版時間:2003年 簡介:《托馬斯微積分》(第10版)是從PEARSON Education購買翻譯版權引進的,其特色可用“呈傳統特色,富革新精神”來概括,50年以來,該書平均每四五年就有一個新版面世,每版較之先前版本都有不少改進之處,體現了這是一部銳意革新的教材;與此同時,該書始終注意保持其基本特色且有所增強,說明它又是一部重視繼承傳統的教材。 《托馬斯微積分》(第10版)具有以下突出的特色:堅實的數學,取材于科學和工程中相關的重要應用實例,以及配置有極好的習題。鼓勵學生直觀形象地,解析和數值地思考和解決問題,重視數值計算和程序應用。
pdf
線性代數及其應用(原書第3版)
標簽:線性代數、矩陣、向量
積分:1 類型:技術書籍上傳者:wwhywhy上傳時間:2020-02-26
簡介:《線性代數及其應用(原書第3版)》作者:(美)David C. Lay,2005年出版,譯者:劉深泉等。 這本教材我推薦每個理、工科同學都要在大一那年就讀一讀,遠超國內教材不知凡幾,讓你真正意識到為什么要學習線性代數,并且學到的知識如何使用。越早讀到這本書,收益越大!對你未來的科研,學習、工作都有極其深遠的影響。 本書介紹了線性代數的基本概念、理論和證明。包含大量例題、練習題、習題等,廣泛選取的應用說明了線性代數的作用。可以用于在工程學、計算機科學、物理學、數學、生物學、經濟學和統計學中解釋基本原理和簡化計算。
pdf
Introduction to Linear Algebra (Fourth Edition)
標簽:線性代數
積分:1 類型:技術書籍上傳者:Anori1上傳時間:2014-04-23
簡介:《Introduction to Linear Algebra (Fourth Edition)》,線性代數第4版,作者:Gilbert Strang,2009年出版。 Gilbert Strang's textbooks have changed the entire approach to learning linear algebra -- away from abstract vector spaces to specific examples of the four fundamental subspaces: the column space and nullspace of A and A'. Introduction to Linear Algebra, Fourth Edition includes challenge problems to complement the review problems that have been highly praised in previous editions. The basic course is followed by seven applications: differential equations, engineering, graph theory, statistics, fourier methods and the FFT, linear programming, and computer graphics. Thousands of teachers in colleges and universities and now high schools are using this book, which truly explains this crucial subject. Chapter 1: Introduction to Vectors; Chapter 2: Solving Linear Equations; Chapter 3: Vector Spaces and Subspaces; Chapter 4: Orthogonality; Chapter 5: Determinants; Chapter 6: Eigenvalues and Eigenvectors; Chapter 7: Linear Transformations; Chapter 8: Applications; Chapter 9: Numerical Linear Algebra; Chapter 10: Complex Vectors and Matrices; Solutions to Selected Exercises; Final Exam. Matrix Factorizations. Conceptual Questions for Review. Glossary: A Dictionary for Linear Algebra Index Teaching Codes Linear Algebra in a Nutshell.
pdf
統計學習方法(李航)
標簽:機器學習統計
積分:1 類型:技術書籍上傳者:sigma上傳時間:2020-09-24
簡介:《統計學習方法》作者:李航,2012年出版。 統計學習是計算機及其應用領域的一門重要的學科。本書全面系統地介紹了統計學習的主要方法,特別是監督學習方法,包括感知機、k近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦回歸與最大熵模型、支持向量機、提升方法、em算法、隱馬爾可夫模型和條件隨機場等。除第1章概論和最后一章總結外,每章介紹一種方法。敘述從具體問題或實例入手,由淺入深,闡明思路,給出必要的數學推導,便于讀者掌握統計學習方法的實質,學會運用。為滿足讀者進一步學習的需要,書中還介紹了一些相關研究,給出了少量習題,列出了主要參考文獻。 《統計學習方法》是統計學習及相關課程的教學參考書,適用于高等院校文本數據挖掘、信息檢索及自然語言處理等專業的大學生、研究生,也可供從事計算機應用相關專業的研發人員參考。
pdf
An Introduction to Statistical Learning: with Applications in R
標簽:AI人工智能統計學
積分:1 類型:學術論文上傳者:lamaba上傳時間:2018-03-30
簡介:《An Introduction to Statistical Learning: with Applications in R》統計學習導論:基于R應用,作者:作者:Gareth James,Daniela Witten,Trevor Hastie,Robert Tibshirani,2013年出版。 An Introduction to Statistical Learning provides an accessible overview of the field of statistical learning, an essential toolset for making sense of the vast and complex data sets that have emerged in fields ranging from biology to finance to marketing to astrophysics in the past twenty years. This book presents some of the most important modeling and prediction techniques, along with relevant applications.
pdf
The Elements of Statistical Learning: Data Mining,Inference,and Prediction (Second Edition)
標簽:AI人工智能統計學
積分:1 類型:學術論文上傳者:lamaba上傳時間:2018-03-30
簡介:The Elements of Statistical Learning: Data Mining,Inference,and Prediction (Second Edition)統計學要素:機器學習中的數據挖掘、推斷和預測,作者:作者: Trevor Hastie / Robert Tibshirani / Jerome Friedman,2009年出版。 During the past decade there has been an explosion in computation and information technology. With it have come vast amounts of data in a variety of fields such as medicine, biology, finance, and marketing. The challenge of understanding these data has led to the development of new tools in the field of statistics, and spawned new areas such as data mining, machine learning, and bioinformatics. Many of these tools have common underpinnings but are often expressed with different terminology. This book describes the important ideas in these areas in a common conceptual framework. While the approach is statistical, the emphasis is on concepts rather than mathematics. Many examples are given, with a liberal use of color graphics. It is a valuable resource for statisticians and anyone interested in data mining in science or industry.
pdf
Mathematics for Machine Learning
標簽:機器學習、數學基礎
積分:1 類型:技術書籍上傳者:太白金星上傳時間:2020-09-29
簡介:《Mathematics for Machine Learning》機器學習數學基礎,作者:Marc Peter Deisenroth / A. Aldo Faisal / Cheng Soon Ong,2020年出版。 機器學習是將人類知識和推理提煉成適合構造機器和工程自動化系統的形式的一長串嘗試中的最新一類。 隨著機器學習變得越來越普遍并且其軟件包變得更加易于使用,自然而又希望將底層技術細節從實踐者中抽象出來并隱藏起來。 但是,這帶來了從業者不了解該危險的危險。 Machine learning is the latest in a long line of attempts to distill humanknowledge and reasoning into a form that is suitable for constructing machines and engineering automated systems. As machine learning becomesmore ubiquitous and its software packages become easier to use, it is natural and desirable that the low-level technical details are abstracted awayand hidden from the practitioner. However, this brings with it the dangerthat a practitioner becomes unaware of the
pdf
Python基礎教程(第3版)
標簽:Python教程編程
積分:1 類型:技術書籍上傳者:syaoranwe上傳時間:2018-12-18
簡介:《Python基礎教程(第3版)》作者:Magnus Lie Hetland,譯者:袁國忠,2018年出版。 本書包括Python程序設計的方方面面:首先從Python的安裝開始,隨后介紹了Python的基礎知識和基本概念,包括列表、元組、字符串、字典以及各種語句;然后循序漸進地介紹了一些相對高級的主題,包括抽象、異常、魔法方法、屬性、迭代器;此后探討了如何將Python與數據庫、網絡、C語言等工具結合使用,從而發揮出Python的強大功能,同時介紹了Python程序測試、打包、發布等知識;最后,作者結合前面講述的內容,按照實際項目開發的步驟向讀者介紹了10個具有實際意義的Python項目的開發過程。
pdf
Python編程:從入門到實踐
標簽:Python編程
積分:1 類型:技術書籍上傳者:aerobotics上傳時間:2021-02-26
簡介:《Python編程:從入門到實踐》 作者:[美]埃里克·馬瑟斯 譯者:袁國忠 出版時間:2016-07 《Python編程:從入門到實踐》是一本針對所有層次的Python讀者而作的Python入門書。全書分兩部分:第一部分介紹用Python編程所必須了解的基本概念,包括matplotlib、NumPy和Pygal等強大的Python庫和工具介紹,以及列表、字典、if語句、類、文件與異常、代碼測試等內容;第二部分將理論付諸實踐,講解如何開發三個項目,包括簡單的Python 2D游戲開發如何利用數據生成交互式的信息圖,以及創建和定制簡單的Web應用,并幫讀者解決常見編程問題和困惑。
zip
Python編程導論(第2版)
標簽:python
積分:2 類型:技術書籍上傳者:lcofjp上傳時間:2018-05-18
簡介:《Python編程導論(第2版)》作者:John V. Guttag,譯者:陳光欣,2018年出版。 掌握多種不同的思維方式是每個人大學時代的必修課。具備使用計算思維解決問題的能力是程序員入門的基本技能。 本書基于作者開授的MIT熱門MOOC教程編寫,旨在培養讀者的計算思維,為其日后的IT生涯打下堅實的編程基礎。 - 以Python 3為示例,涵蓋Python大部分特性,重在介紹編程語言可以做什么 - 如何系統性地組織、編寫、調試中等規模的程序 - 理解計算復雜度 - 將模糊的問題描述轉化為明確的計算方法,以此解決問題,并深刻理解整個過程 - 掌握有用的算法以及問題簡化技術 - 使用隨機性和模擬技術清晰闡述很難得到封閉解的問題 - 使用計算工具(包括簡單的統計、可視化以及機器學習工具)對數據進行理解與建模 內容簡介: 本書基于MIT 編程思維培訓講義寫成,主要目標在于幫助讀者掌握并熟練使用各種計算技術,具備用計算思維解決現實問題的能力。 書中以Python 3 為例,介紹了對中等規模程序的系統性組織、編寫、調試,幫助讀者深入理解計算復雜度,還講解了有用的算法和問題簡化技術,并探討各類計算工具的使用。 與本書第1版相比,第2版全面改寫了后半部分,且書中所有示例代碼都從Python 2 換成了Python 3。 本書適合對編程知之甚少但想要使用計算方法解決問題的讀者。
zip
Python機器學習基礎教程(含代碼)
標簽:python機器學習
積分:2 類型:技術書籍上傳者:lcofjp上傳時間:2018-05-19
簡介:《Python機器學習基礎教程》作者:[德]安德里亞斯·穆勒 / [美]莎拉·吉多,譯者:張亮,2018年出版。 機器學習已成為許多商業應用和研究項目不可或缺的一部分,海量數據使得機器學習的應用范圍遠超人們想象。本書將向所有對機器學習技術感興趣的初學者展示,自己動手構建機器學習解決方案并非難事! 書中重點討論機器學習算法的實踐而不是背后的數學,全面涵蓋在實踐中實現機器學習算法的所有重要內容,幫助讀者使用Python和scikit-learn庫一步一步構建一個有效的機器學習應用。 * 機器學習的基本概念及其應用 * 常用機器學習算法的優缺點 * 機器學習所處理的數據的表示方法,包括重點關注數據的哪些方面 * 模型評估和調參的高級方法 * 管道的概念 * 處理文本數據的方法,包括文本特有的處理方法 * 進一步提高機器學習和數據科學技能的建議
pdf
R語言簡介(R語言筆記:數據分析與繪圖的編程環境)
標簽:R語言
積分:1 類型:應用文檔上傳者:ceaxyz上傳時間:2014-06-29
簡介:《R語言簡介(R語言筆記:數據分析與繪圖的編程環境)》,R語言入門教程,經典版。版本1.7,更新于2006年。
pdf
機器學習與R語言
標簽:機器學習R語言
積分:1 類型:技術書籍上傳者:nonogugu66上傳時間:2018-11-07
簡介:《機器學習與R語言》作者:布雷特·蘭茨(Brett Lantz),譯者:李洪成、許金煒、李艦,2015年出版。 隨著大數據的概念變得越來越流行,對數據的探索、分析和預測成為大數據分析領域的基本技能之一。作為探索和分析數據的基本理論和工具,機器學習和數據挖掘成為時下炙手可熱的技術。R作為功能強大并且免費的數據分析工具,在數據分析領域獲得了越來越多用戶的青睞。 本書通過豐富的實際案例來探索如何應用R來進行現實世界問題的機器學習,如何從數據中獲取可以付諸行動的洞察力。本書案例清晰而實用,講解循序漸進,是一本用R進行機器學習的實用指南,既適用于機器學習的初學者,也適用于具有一定經驗的老手,本書將幫助他們回答有關R的所有問題。
pdf
集體智慧編程
標簽:機器學習、數據挖掘、數據分析
積分:1 類型:技術書籍上傳者:nishisb上傳時間:2018-11-07
簡介:《集體智慧編程》作者是Toby Segaran,譯者:莫映 / 王開福,2009年出版。 《集體智慧編程》以機器學習與計算統計為主題背景,專門講述如何挖掘和分析Web上的數據和資源,如何分析用戶體驗、市場營銷、個人品味等諸多信息,并得出有用的結論,通過復雜的算法來從Web網站獲取、收集并分析用戶的數據和反饋信息,以便創造新的用戶價值和商業價值。全書內容翔實,包括協作過濾技術(實現關聯產品推薦功能)、集群數據分析(在大規模數據集中發掘相似的數據子集)、搜索引擎核心技術(爬蟲、索引、查詢引擎、PageRank算法等)、搜索海量信息并進行分析統計得出結論的優化算法、貝葉斯過濾技術(垃圾郵件過濾、文本過濾)、用決策樹技術實現預測和決策建模功能、社交網絡的信息匹配技術、機器學習和人工智能應用等。 本書是Web開發者、架構師、應用工程師等的絕佳選擇。
pdf
《編程珠璣(第2版)》完整中文版
標簽:編程珠璣C語言
積分:1 類型:技術書籍上傳者:tiankai001上傳時間:2013-10-22
簡介:《編程珠璣(第2版)》 [美]Jon Bentley 著 黃倩 錢麗艷 譯 劉田 審校 2008年出版 簡介:多年以來,當程序員們推選出最心愛的計算機圖書時,《編程珠璣》總是位于前列。正如自然界里珍珠出自細沙對牡蠣的磨礪。計算機科學大師Jon Bentley以其獨有的洞察力和創造力,從磨礪程序員的實際問題中凝結出一篇篇不朽的編程“珠璣”,成為世界計算機界名刊《ACM通訊》歷史上最受歡迎的專欄,最終結集為兩部不朽的計算機科學經典名著,影響和激勵著一代又一代程序員和計算機科學工作者。本書為第一卷,主要討論計算機科學中最本質的問題:如何正確選擇和高效地實現算法。 在書中,作者選取許多具有典型意義的復雜編程和算法問題,生動描繪了歷史上眾大師們在探索解決方案中發生的軼事、走過的彎路和不斷精益求精的歷程,引導讀者像真正的程序員和軟件工程師那樣富于創新性地思考,并透徹闡述和總結了許多獨特而精妙的設計原則、思考和解決問題的方法以及實用程序設計技巧。解決方案的代碼均以C/C++語言編寫,不僅有趣,而且有很大的實戰示范意義。每章后所附習題極具挑戰性和啟發性,書末給出了簡潔的解答。 《編程珠璣(第2版)》是計算機科學方面的經典名著。書的內容圍繞程序設計人員面對的一系列實際問題展開。作者Jon Bentley 以其獨有的洞察力和創造力,引導讀者理解這些問題并學會解決方法,而這些正是程序員實際編程生涯中至關重要的。 《編程珠璣(第2版)》的特色是通過一些精心設計的有趣而又頗具指導意義的程序,對實用程序設計技巧及基本設計原則進行了透徹而睿智的描述,為復雜的編程問題提供了清晰而完備的解決思路。《編程珠璣(第2版)》對各個層次的程序員都具有很高的閱讀價值。 作者簡介 Jon Bentley,世界著名計算機科學家,被譽為影響算法發展的十位大師之一。他先后任職于卡內基—梅隆大學(1976—1982)、貝爾實驗室(1982—2001)和Avaya實驗室(2001年至今)。在卡內基—梅隆大學擔任教授期間,他培養了包括Tcl語言設計者John Ousterhout、Java語言設計者James Gosling、《算法導論》作者之一Charles Leiserson在內的許多計算機科學大家。2004年榮獲Dr.Dobbs程序設計卓越獎。 錢麗艷,北京大學信息科學技術學院基礎實驗教學研究所軟件實驗室主任、工程師,畢業于國防科技大學。

機器學習理論及算法 文檔列表

簡介:

理論和算法是機器學習的核心。機器學習理論主要是設計和分析一些讓計算機可以自動“學習”的算法,機器學習算法是一類從數據中自動分析獲得規律,并利用規律對未知數據進行預測的算法。

pdf
算法導論(原書第3版)
標簽:計算機、算法
積分:1 類型:技術書籍上傳者:jujuyaya222上傳時間:2019-05-23
簡介:《算法導論(原書第3版)》作者:Thomas H.Cormen / Charles E.Leiserson / Ronald L.Rivest / Clifford Stein,本書由殷建平 / 徐云 / 王剛 / 劉曉光 / 蘇明 / 鄒恒明 / 王宏志 翻譯,2012年出版。 在有關算法的書中,有一些敘述非常嚴謹,但不夠全面;另一些涉及了大量的題材,但又缺乏嚴謹性。本書將嚴謹性和全面性融為一體,深入討論各類算法,并著力使這些算法的設計和分析能為各個層次的讀者接受。全書各章自成體系,可以作為獨立的學習單元;算法以英語和偽代碼的形式描述,具備初步程序設計經驗的人就能看懂;說明和解釋力求淺顯易懂,不失深度和數學嚴謹性。 全書選材經典、內容豐富、結構合理、邏輯清晰,對本科生的數據結構課程和研究生的算法課程都是非常實用的教材,在IT專業人員的職業生涯中,本書也是一本案頭必備的參考書或工程實踐手冊。 第3版的主要變化: 新增了van Emde Boas樹和多線程算法,并且將矩陣基礎移至附錄。 修訂了遞歸式(現在稱為“分治策略”)那一章的內容,更廣泛地覆蓋分治法。 移除兩章很少講授的內容:二項堆和排序網絡。 修訂了動態規劃和貪心算法相關內容。 流網絡相關材料現在基于邊上的全部流。 由于關于矩陣基礎和Strassen算法的材料移到了其他章,矩陣運算這一章的內容所占篇幅更小。 修改了對Knuth-Morris-Pratt字符串匹配算法的討論。 新增100道練習和28道思考題,還更新并補充了參考文獻。
pdf
Introduction to Algorithms (3rd Edition)
標簽:人工智能算法
積分:1 類型:學術論文上傳者:rubyonrails上傳時間:2018-11-07
簡介:Introduction to Algorithms (3rd Edition),機器學習經典教程:算法導論 第三版英文版,有索引。作者:Thomas H. Cormen / Charles E. Leiserson / Ronald L. Rivest / Clifford Stein,2009年出版。 Some books on algorithms are rigorous but incomplete; others cover masses of material but lack rigor. Introduction to Algorithms uniquely combines rigor and comprehensiveness. The book covers a broad range of algorithms in depth, yet makes their design and analysis accessible to all levels of readers. Each chapter is relatively self-contained and can be used as a unit of study. The algorithms are described in English and in a pseudocode designed to be readable by anyone who has done a little programming. The explanations have been kept elementary without sacrificing depth of coverage or mathematical rigor. The first edition became a widely used text in universities worldwide as well as the standard reference for professionals. The second edition featured new chapters on the role of algorithms, probabilistic analysis and randomized algorithms, and linear programming. The third edition has been revised and updated throughout. It includes two completely new chapters, on van Emde Boas trees and multithreaded algorithms, and substantial additions to the chapter on recurrences (now called "Divide-and-Conquer"). It features improved treatment of dynamic programming and greedy algorithms and a new notion of edge-based flow in the material on flow networks. Many new exercises and problems have been added for this edition. As of the third edition, this textbook is published exclusively by the MIT Press.
pdf
計算機科學叢書:機器學習
標簽:機器學習算法計算機
積分:1 類型:技術書籍上傳者:sigma上傳時間:2020-08-29
簡介:《機器學習》作者:(美)Tom Mitchell,譯者: 曾華軍 / 張銀奎 / 等,2008年出版。 《計算機科學叢書:機器學習》展示了機器學習中核心的算法和理論,并闡明了算法的運行過程。綜合了許多的研究成果,例如統計學、人工智能、哲學、信息論、生物學、認知科學、計算復雜性和控制論等,并以此來理解問題的背景、算法和其中的隱含假定。《計算機科學叢書:機器學習》可作為計算機專業本科生、研究生教材,也可作為相關領域研究人員、教師的參考書。 《計算機科學叢書:機器學習》編輯推薦:如何讓計算機隨著經驗的積累自動提高性能?這就是機器學習的目的。《機器學習》展示了機器學習中核心的算法和理論,并闡明了算法的運行過程。《機器學習》綜合了許多的研究成果,例如統計學、人工智能、哲學、信息論、生物學、認知科學、計算復雜性和控制論等,并以此來理解問題的背景、算法和其中的隱含假定。
pdf
機器學習導論(原書第2版)
標簽:機器學習人工智能計算機
積分:1 類型:技術書籍上傳者:sigma上傳時間:2018-03-29
簡介:《機器學習導論(原書第2版)》作者:[土耳其] Ethem Alpaydin,譯者:范明 / 昝紅英 / 牛常勇,2014年出版。 全面討論機器學習方法和技術,層次合理、敘述清晰、難度適中。 涵蓋了經典的機器學習算法和理論,同時補充了近年來新出現的機器學習方法。 最佳的機器學習入門教材。 《機器學習導論(原書第2版)》討論了機器學習在統計學、模式識別、神經網絡、人工智能、信號處理等不同領域的應用,其中涵蓋了監督學習、貝葉斯決策理論、參數方法、多元方法、多層感知器、局部模型、隱馬爾可夫模型、分類算法評估和比較以及增強學習。 《機器學習導論(原書第2版)》可供完成計算機程序設計、概率論、微積分和線性代數課程的高年級本科生和研究生使用,也可供對機器學習感興趣的工程技術人員參考。
pdf
機器學習(西瓜書)周志華
標簽:人工智能機器學習算法
積分:1 類型:技術書籍上傳者:sigma上傳時間:2020-08-30
簡介:《機器學習》作者:周志華,2016年出版 機器學習是計算機科學與人工智能的重要分支領域. 本書作為該領域的入門教材,在內容上盡可能涵蓋機器學習基礎知識的各方面。 為了使盡可能多的讀者通過本書對機器學習有所了解, 作者試圖盡可能少地使用數學知識. 然而, 少量的概率、統計、代數、優化、邏輯知識似乎不可避免. 因此, 本書更適合大學三年級以上的理工科本科生和研究生, 以及具有類似背景的對機器學 習感興趣的人士. 為方便讀者, 本書附錄給出了一些相關數學基礎知識簡介。 全書共16 章,大致分為3 個部分:第1 部分(第1~3 章)介紹機器學習的基礎知識;第2 部分(第4~10 章)討論一些經典而常用的機器學習方法(決策樹、神經網絡、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習);第3 部分(第11~16 章)為進階知識,內容涉及特征選擇與稀疏學習、計算學習理論、半監督學習、概率圖模型、規則學習以及強化學習等.前3章之外的后續各章均相對獨立, 讀者可根據自己的興趣和時間情況選擇使用. 根據課時情況, 一個學期的本科生課程可考慮講授前9章或前10章; 研究生課程則不妨使用全書。
pdf
圖解機器學習
標簽:機器學習
積分:1 類型:技術書籍上傳者:sigma上傳時間:2018-03-29
簡介:《圖解機器學習》作者:杉山將,譯者:許永偉,2015年出版。 《圖解機器學習》用豐富的圖示,從最小二乘法出發,對基于最小二乘法實現的各種機器學習算法進行了詳細的介紹。第Ⅰ部分介紹了機器學習領域的概況;第Ⅱ部分和第Ⅲ部分分別介紹了各種有監督的回歸算法和分類算法;第Ⅳ部分介紹了各種無監督學習算法;第Ⅴ部分介紹了機器學習領域中的新興算法。書中大部分算法都有相應的MATLAB程序源代碼,可以用來進行簡單的測試。 本書適合所有對機器學習有興趣的初學者閱讀。
pdf
Understanding Machine Learning:From Theory to Algorithms
標簽:AI人工智能、機器學習
積分:1 類型:技術書籍上傳者:lamaba上傳時間:2018-03-30
簡介:《Understanding Machine Learning:From Theory to Algorithms》深入理解機器學習:從原理到算法,作者:Shai Shalev-Shwartz / Shai Ben-David,2014年出版。 Machine learning is one of the fastest growing areas of computer science, with far-reaching applications. The aim of this textbook is to introduce machine learning, and the algorithmic paradigms it offers, in a principled way. The book provides an extensive theoretical account of the fundamental ideas underlying machine learning and the mathematical derivations that transform these principles into practical algorithms. Following a presentation of the basics of the field, the book covers a wide array of central topics that have not been addressed by previous textbooks.
pdf
機器學習:實用案例解析
標簽:AI人工智能、機器學習
積分:1 類型:技術書籍上傳者:lamaba上傳時間:2018-03-30
簡介:《機器學習:實用案例解析》作者:(美)Drew Conway / John Myles White,譯者: 陳開江 / 劉逸哲 / 孟曉楠 / 羅森林 審校,2013年出版。 機器學習是計算機科學和人工智能中非常重要的一個研究領域,近年來,機器學習不但在計算機科學的眾多領域中大顯身手,而且成為一些交叉學科的重要支撐技術。本書比較全面系統地介紹了機器學習的方法和技術,不僅詳細闡述了許多經典的學習方法,還討論了一些有生命力的新理論、新方法。 全書案例既有分類問題,也有回歸問題;既包含監督學習,也涵蓋無監督學習。本書討論的案例從分類講到回歸,然后討論了聚類、降維、最優化問題等。這些案例包括分類:垃圾郵件識別,排序:智能收件箱,回歸模型:預測網頁訪問量,正則化:文本回歸,最優化:密碼破解,無監督學習:構建股票市場指數,空間相似度:用投票記錄對美國參議員聚類,推薦系統:給用戶推薦R語言包,社交網絡分析:在Twitter上感興趣的人,模型比較:給你的問題找到最佳算法。各章對原理的敘述力求概念清晰、表達準確,突出理論聯系實際,富有啟發性,易于理解。在探索這些案例的過程中用到的基本工具就是R統計編程語言。R語言非常適合用于機器學習的案例研究,因為它是一種用于數據分析的高水平、功能性腳本語言。 本書主要內容: ·開發一個樸素貝葉斯分類器,僅僅根據郵件的文本信息來判斷這封郵件是否是垃圾郵件; ·使用線性回歸來預測互聯網排名前1000網站的PV; ·利用文本回歸理解圖書中詞與詞之間的關系; ·通過嘗試破譯一個簡單的密碼來學習優化技術; ·利用無監督學習構建股票市場指數,用于衡量整體市場行情的好壞; ·根據美國參議院的投票情況,從統計學的角度對美國參議員聚類; ·通過K近鄰算法構建向用戶推薦R語言包; ·利用Twitter數據來構建一個“你可能感興趣的人”的推薦系統; ·模型比較:給你的問題找到最佳算法。
pdf
機器學習實戰
標簽:人工智能機器學習
積分:1 類型:技術書籍上傳者:crazyjackson上傳時間:2019-12-10
簡介:《機器學習實戰》作者:Peter Harrington,譯者:李銳 / 李鵬 / 曲亞東 / 王斌,2013年出版。 機器學習是人工智能研究領域中一個極其重要的研究方向,在現今的大數據時代背景下,捕獲數據并從中萃取有價值的信息或模式,成為各行業求生存、謀發展的決定性手段,這使得這一過去為分析師和數學家所專屬的研究領域越來越為人們所矚目。 本書第一部分主要介紹機器學習基礎,以及如何利用算法進行分類,并逐步介紹了多種經典的監督學習算法,如k近鄰算法、樸素貝葉斯算法、Logistic回歸算法、支持向量機、AdaBoost集成方法、基于樹的回歸算法和分類回歸樹(CART)算法等。第三部分則重點介紹無監督學習及其一些主要算法:k均值聚類算法、Apriori算法、FP-Growth算法。第四部分介紹了機器學習算法的一些附屬工具。 全書通過精心編排的實例,切入日常工作任務,摒棄學術化語言,利用高效的可復用Python代碼來闡釋如何處理統計數據,進行數據分析及可視化。通過各種實例,讀者可從中學會機器學習的核心算法,并能將其運用于一些策略性任務中,如分類、預測、推薦。另外,還可用它們來實現一些更高級的功能,如匯總和簡化等。
pdf
Machine Learning in Action
標簽:機器學習Machine Learning
積分:1 類型:技術書籍上傳者:toothache上傳時間:2021-02-26
簡介:機器學習實戰《Machine Learning in Action》,作者:Peter Harrington,本書于2012年出版。 Machine Learning in Action is a unique book that blends the foundational theories of machine learning with the practical realities of building tools for everyday data analysis. In it, you\'ll use the flexible Python programming language to build programs that implement algorithms for data classification, forecasting, recommendations, and higher-level features like summarization and simplification.
pdf
Hands-On Machine Learning with Scikit-Learn and TensorFlow
標簽:機器學習
積分:1 類型:技術書籍上傳者:toothache上傳時間:2021-02-26
簡介:機器學習實戰:基于Scikit-Learn和TensorFlow,《Hands-On Machine Learning with Scikit-Learn and TensorFlow:Concepts, Tools, and Techniques to Build Intelligent Systems》,作者:Aurélien Géron,2017年出版。
pdf
精通機器學習:基于R(第2版)
標簽:機器學習R語言大數據
積分:1 類型:技術書籍上傳者:sigma上傳時間:2018-05-02
簡介:《精通機器學習:基于R(第2版)》作者:[美] Cory Lesmeister,譯者:陳光欣,2018年出版。 機器學習是近年來的熱門技術話題,R語言是處理其中大量數據的有力工具。本書為讀者提供機器學習和R語言的堅實算法基礎和業務基礎,內容包括機器學習基本概念、線性回歸、邏輯回歸和判別分析、線性模型的高級選擇特性、K最近鄰和支持向量機等,力圖平衡實踐中的技術和理論兩方面。
pdf
R語言實戰——機器學習與數據分析
標簽:R語言機器學習數據分析
積分:1 類型:技術書籍上傳者:solarelec上傳時間:2018-11-07
簡介:《R語言實戰——機器學習與數據分析》作者:左飛,2016年出版。 經典統計理論和機器學習方法為數據挖掘提供了必要的分析技術。《R語言實戰——機器學習與數據分析》系統地介紹統計分析和機器學習領域中最為重要和流行的多種技術及其基本原理,在詳解有關算法的基礎上,結合大量R語言實例演示了這些理論在實踐中的使用方法。具體內容被分成三個部分,即R語言編程基礎、基于統計的數據分析方法以及機器學習理論。統計分析與機器學習部分又具體介紹了參數估計、假設檢驗、極大似然估計、非參數檢驗方法(包括列聯分析、符號檢驗、符號秩檢驗等)、方差分析、線性回歸(包括嶺回歸和Lasso方法)、邏輯回歸、支持向量機、聚類分析(包括K均值算法和EM算法)和人工神經網絡等內容。同時,統計理論的介紹也為深化讀者對于后續機器學習部分的理解提供了很大助益。知識結構和閱讀進度的安排上既兼顧了循序漸進的學習規律,亦統籌考慮了夯實基礎的必要性。《R語言實戰——機器學習與數據分析》內容與實際應用結合緊密,又力求突出深入淺出、系統翔實之特色,對算法原理的解釋更是細致入微。 《R語言實戰——機器學習與數據分析》非常適合大專院校相關專業師生自學研究之用,亦可作為數據分析和數據挖掘相關領域從業人員的參考指導用書。
pdf
神經網絡與機器學習(原書第3版)
標簽:神經網絡機器學習
積分:1 類型:技術書籍上傳者:sigma上傳時間:2021-02-19
簡介:《神經網絡與機器學習(原書第3版)》作者:[加] Simon Haykin,譯者: 申富饒 / 徐燁 / 鄭俊 / 晁靜,2011年出版。 本書是關于神經網絡的全面的、徹底的、可讀性很強的、最新的論述。全書共15章,主要內容包括rosenblatt感知器、通過回歸建立模型、最小均方算法、多層感知器、核方法和徑向基函數網絡、支持向量機、正則化理論、主分量分析、自組織映射、信息論學習模型、動態規劃、神經動力學、動態系統狀態估計的貝葉斯濾波等。 本書適合作為高等院校計算機相關專業研究生及本科生的教材,也可供相關領域的工程技術人員參考。
pdf
Python機器學習及實踐:從零開始通往Kaggle競賽之路
標簽:pythonkaggle機器學習數據挖掘
積分:1 類型:技術書籍上傳者:sigma上傳時間:2020-08-30
簡介:《Python機器學習及實踐:從零開始通往Kaggle競賽之路》作者:范淼 / 李超,2016年出版。 Python機器學習及實踐面向所有對機器學習與數據挖掘的實踐及競賽感興趣的讀者,從零開始,以Python編程語言為基礎,在不涉及大量數學模型與復雜編程知識的前提下,逐步帶領讀者熟悉并且掌握當下流行的機器學習、數據挖掘與自然語言處理工具,如Scikit-learn、NLTK、Pandas、gensim、XGBoost、Google Tensorflow等。 全書共分4章。第1章簡介篇,介紹機器學習概念與Python編程知識;第2章基礎篇,講述如何使用Scikit-learn作為基礎機器學習工具;第3章進階篇,涉及怎樣借助高級技術或者模型進一步提升既有機器學習系統的性能;第4章競賽篇,以Kaggle平臺為對象,幫助讀者一步步使用本書介紹過的模型和技巧,完成三項具有代表性的競賽任務。 Python機器學習及實踐 目錄 第1章 簡介篇 第2章 基礎篇 第3章 進階篇 第4章 實戰篇
pdf
機器學習實踐指南:案例應用解析(第2版)
標簽:機器學習、人工智能、計算機
積分:1 類型:技術書籍上傳者:nkyqsl上傳時間:2018-11-07
簡介:《機器學習實踐指南:案例應用解析(第2版)》作者:麥好,2016年出版。 《機器學習實踐指南》第2版比第1版增加了更多的案例和算法解析,全書詳細介紹了機器學習發展及應用前景、科學計算平臺、Python計算平臺應用、R語言計算平臺應用、生產環境基礎、統計分析基礎、描述性分析案例、假設檢驗與回歸模型案例、神經網絡、統計算法、歐氏距離與余弦相似度、SVM、回歸算法、PCA降維、關聯規則、聚類與分類算法、數據擬合案例、圖像算法案例、機器視覺案例、文本分類案例等機器學習實踐與應用。
rar
百面機器學習:算法工程師帶你去
標簽:機器學習算法工程師
積分:1 類型:技術書籍上傳者:aerobotics上傳時間:2021-02-26
簡介:《百面機器學習:算法工程師帶你去》諸葛越主編,葫蘆娃著,2018年出版。 人工智能領域正在以超乎人們想象的速度發展,本書趕在人工智能徹底“占領”世界之前完成編寫,實屬萬幸。 書中收錄了超過100 道機器學習算法工程師的面試題目和解答,其中大部分源于Hulu算法研究崗位的真實場景。本書從日常工作、生活中各種有趣的現象出發,不僅囊括了機器學習的基本知識,而且還包含了成為優秀算法工程師的相關技能,更重要的是凝聚了筆者對人工智能領域的→顆熱忱之心,旨在培養讀者發現問題、解決問題、擴展問題的能力,建立對機器學習的熱愛,共繪入工智能世界的宏偉藍圖。 “不積旺步,無以至千里”,本書將從特征,工程、模型評估、降維等經典機器學習領域出發,構建一個算法工程師必備的知識體系;見神經網絡、強化學習、生成對抗網絡等最新科研進展之微,知機器學習領域勝敗興衰之若;“博觀而約取,厚積而薄發”, 在最后一章為讀者展示生活中各種引領時代的人工智能應用。

評論

登錄/注冊

意見反饋

求資源

回頂部

最新下載

About Us 關于我們 客戶服務 聯系方式 器件索引 網站地圖 最新更新 手機版 版權聲明

北京市海淀區知春路23號集成電路設計園量子銀座1305 電話:(010)82350740 郵編:100191

電子工程世界版權所有 京B2-20211791 京ICP備10001474號-1 電信業務審批[2006]字第258號函 京公網安備 11010802033920號 Copyright ? 2005-2021 EEWORLD.com.cn, Inc. All rights reserved
$(function(){ var appid = $(".select li a").data("channel"); $(".select li a").click(function(){ var appid = $(this).data("channel"); $('.select dt').html($(this).html()); $('#channel').val(appid); }) })
×

已收藏到:個人中心—我的下載—收藏

成版人丝瓜水无限看片-丝瓜成视频人app下载无限-成丝瓜视频人app污下载