搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
机器学习公式详解(第2版)
0.00     定价 ¥ 89.80
图书来源: 浙江图书馆(由浙江新华配书)
此书还可采购22本,持证读者免费借回家
  • 配送范围:
    浙江省内
  • ISBN:
    9787115615725
  • 作      者:
    作者:谢文睿//秦州//贾彬彬|责编:郭媛
  • 出 版 社 :
    人民邮电出版社
  • 出版日期:
    2023-06-01
收藏
编辑推荐

(1)320个公式的详细推导解析。

在充分捕捉第1版“南瓜书”的读者需求后,第2版扩充了对“西瓜书”解读的覆盖面,公式解读数量由250个上升至320个。


(2)机器学习初学小白提升数学基础能力的强推练习册!

延续第1版思路,第2版以本科数学基础视角对“西瓜书”中的内容做了更进一步的解读:新增20个对“西瓜书”图片/定理的解读;新增数学知识的解读,同时将其前置在所用到的章节处,不再以附注的形式给出,便于目录查阅;在部分章节开篇处加注学习建议和些许见解,进一步照顾数学基础薄弱的读者。 


(3)以开源方式多人协作,内容品质已被广大读者认可。

 “南瓜书”PDF版开源教程于2020年5月发布之初荣登 GitHub Trending第2,“南瓜书”纸质版出版2年后,16次印刷共7万余册。配套视频【吃瓜教程】播放量超16.2万,经过开源教程、图书及视频的充分迭代后,形成第2版“南瓜书”,质量已被广大读者充分验证。


(4)俞勇、王斌、李沐、程明明、陈光(博主@爱可可-爱生活)、徐亦达等人工智能领域大咖亲笔推荐。


展开
作者简介

谢文睿

北京工业大学硕士,Datawhale开源项目负责人,百度算法工程师,研究方向为机器学习与自然语言处理。


秦州

康奈尔大学计算机硕士,Datawhale成员,阿里巴巴算法专家,研究方向为图计算与自然语言处理, 在NeurIPS、AAAI、CIKM等会议上录用多篇学术论文并获得CIKM 2019最佳应用论文奖。


贾彬彬

工学博士,兰州理工大学讲师,研究方向为机器学习与数据挖掘,在TKDE、TNNLS、PRJ、ICML、AAAI等期刊和会议上共发表学术论文十余篇,并担任ICML、NeurIPS、ICLR、AAAI、IJCAI 等会议的程序委员会委员(PC Member)。


展开
内容介绍

周志华老师的《机器学习》(俗称“西瓜书”)是机器学习领域的经典入门教材之一。本书是《机器学习公式详解》(俗称“南瓜书”)的第2 版。相较于第1 版,本书对“西瓜书”中除了公式以外的重、难点内容加以解析,以过来人视角给出学习建议,旨在对比较难理解的公式和重点内容扩充具体的例子说明,以及对跳步过大的公式补充具体的推导细节。


全书共16 章,与“西瓜书”章节、公式对应,每个公式的推导和解释都以本科数学基础的视角进行讲解,希望能够帮助读者快速掌握各个机器学习算法背后的数学原理。


本书思路清晰,视角独特,结构合理,可作为高等院校计算机及相关专业的本科生或研究生教材,也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考

展开
精彩书评

【王斌,小米AI实验室主任、NLP首席科学家,作序推荐】


写此序之时,我们正面临ChatGPT带来的一场技术革命。个人认为,这场革命将会不断持续下去,其影响将十分深远,会触及整个社会的方方面面。我相信人工智能再也无法走出大家的视野。了解、理解人工智能将会成为每个人最基本的能力。

大家知道,机器学习是这些年来人工智能中最核心的技术。学好机器学习,也将是学好人工智能的关键所在,而这本书会助你一臂之力。

这本书的第1版出版之后,大受读者欢迎。在收到众多读者反馈意见的基础上,第2版从多个方面进行了补充和修订,相信这一版会给读者带来更多的收获。



【专家精彩评论】


面对一本有很多数学难题的教材,初学者最渴望的是有一位“全能助教”,能帮助详细解析,步进推导,以便更好地消化教材。由开源组织Datawhale发起编写的“南瓜书”集众人的智慧、开源社区的力量,为广大机器学习初学者带来了福音,给周志华教授的畅销书“西瓜书”配了一个“全能助教”。愿这两本书为所有人工智能领域及行业内求学者、从业者启智增慧,创造未来。

——俞勇,上海交通大学特聘教授,上海交通大学ACM班创始人,伯禹教育创始人


推导一遍所有公式是非常好的学习方法,很高兴看到“南瓜书”能专注于此. 它是学习“西瓜书”不可缺少的辅助材料。

——李沐,AWS资深首席科学家,《动手学深度学习》作者


“南瓜书”是Datawhale开源团队产出优质内容的一种全新探索。这本书以开源项目的形式,帮助读者推导重要的公式,并对知识难点进行深入探讨。这种新的学习思路和撰写模式,

自打开始那一刻,就紧紧抓住读者的需求和痛点,使得这本书成为非常值得推荐的好书。和这本书同样值得推荐的,还有Datawhale的开源精神和实践精神。

——程明明,南开大学计算机系主任,开放共享科研记录行动倡议者


这本书是读透“西瓜书”的好“伴侣”。尽管这本书并不适合所有人,但真正需要它的人会觉得它特别有用。它就像一位学霸同桌,可以在你啃“西瓜书”一筹莫展的时候为你“雪中送炭”。对很多人来说,数学公式是一种很可怕的存在,但是学问之美往往就在“最险远处”,披荆斩棘之后方能品出其真滋味。如果想要理解机器学习,而不止步于了解和应用,这本书将是你的好“同桌”——伴你思考,同享“知其所以然”的乐趣。

——陈光,北京邮电大学副教授,知名博主@爱可可- 爱生活


对机器学习初学者来讲,“南瓜书”补充且拓展了数学方面的基本知识,是“西瓜书”的佐读良品。

——徐亦达,悉尼科技大学副教授,机器学习开源讲义作者


展开
目录
第1章 绪论
1.1 引言
1.2 基本术语
1.3 假设空间
1.4 归纳偏好
1.4.1 式(1.1)和式(1.2)的解释
第2章 模型评估与选择
2.1 经验误差与过拟合
2.2 评估方法
2.2.1 算法参数(超参数)与模型参数
2.2.2 验证集
2.3 性能度量
2.3.1 式(2.2)~式(2.7)的解释
2.3.2 式(2.8)和式(2.9)的解释
2.3.3 图2.3的解释
2.3.4 式(2.10)的推导
2.3.5 式(2.11)的解释
2.3.6 式(2.12)~式(2.17)的解释
2.3.7 式(2.18)和式(2.19)的解释
2.3.8 式(2.20)的推导
2.3.9 式(2.21)和式(2.22)的推导
2.3.10 式(2.23)的解释
2.3.11 式(2.24)的解释
2.3.12 式(2.25)的解释
2.4 比较检验
2.4.1 式(2.26)的解释
2.4.2 式(2.27)的推导
2.5 偏差与方差
2.5.1 式(2.37)~式(2.42)的推导
参考文献
第3章 线性模型
3.1 基本形式
3.2 线性回归
3.2.1 属性数值化
3.2.2 式(3.4)的解释
3.2.3 式(3.5)的推导
3.2.4 式(3.6)的推导
3.2.5 式(3.7)的推导
3.2.6 式(3.9)的推导
3.2.7 式(3.10)的推导
3.2.8 式(3.11)的推导
3.3 对率回归
3.3.1 式(3.27)的推导
3.3.2 梯度下降法
……
第4章 决策树
第5章 神经网络
第6章 支持向量机
第7章 贝叶斯分类器
第8章 集成学习
第9章 聚类
第10章 降维与度量学习
第11章 特征选择与稀疏学习
第12章 计算学习理论
第13章 半监督学习
第14章 概率图模型
第15章 规则学习
第16章 强化学习
展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证