【机器学习】电子书 - 机器学习与优化

书籍封面

书籍目录

封面

作译者简介

数字版权声明

彩插

扉页

版权声明

目录

第1章　引言

1.1　学习与智能优化：燎原之火

1.2　寻找黄金和寻找伴侣

1.3　需要的只是数据

1.4　超越传统的商业智能

1.5　LION方法的实施

1.6　“动手”的方法

第2章　懒惰学习：最近邻方法

最近邻方法

第3章　学习需要方法

3.1　从已标记的案例中学习：最小化和泛化

3.2　学习、验证、测试

3.3　不同类型的误差

第一部分　监督学习

第4章　线性模型

4.1　线性回归

4.2　处理非线性函数关系的技巧

4.3　用于分类的线性模型

4.4　大脑是如何工作的

4.5　线性模型为何普遍，为何成功

4.6　最小化平方误差和

4.7　数值不稳定性和岭回归

第5章　广义线性最小二乘法

5.1　拟合的优劣和卡方分布

5.2　最小二乘法与最大似然估计

5.2.1　假设检验

5.2.2　交叉验证

5.3　置信度的自助法

第6章　规则、决策树和森林

6.1　构造决策树

6.2　民主与决策森林

第7章　特征排序及选择

7.1　特征选择：情境

7.2　相关系数

7.3　相关比

7.4　卡方检验拒绝统计独立性

7.5　熵和互信息

第8章　特定非线性模型

8.1　logistic回归

8.2　局部加权回归

8.3　用LASSO来缩小系数和选择输入值

第9章　神经网络：多层感知器

9.1　多层感知器

9.2　通过反向传播法学习

9.2.1　批量和bolddriver反向传播法

9.2.2　在线或随机反向传播

9.2.3　训练多层感知器的高级优化

第10章　深度和卷积网络

10.1　深度神经网络

10.1.1　自动编码器

10.1.2　随机噪声、屏蔽和课程

10.2　局部感受野和卷积网络

第11章　统计学习理论和支持向量机

11.1　经验风险最小化

11.1.1　线性可分问题

11.1.2　不可分问题

11.1.3　非线性假设

11.1.4　用于回归的支持向量

第12章　最小二乘法和健壮内核机器

12.1　最小二乘支持向量机分类器

12.2　健壮加权最小二乘支持向量机

12.3　通过修剪恢复稀疏

12.4　算法改进：调谐QP、原始版本、无补偿

第13章　机器学习中的民主

13.1　堆叠和融合

13.2　实例操作带来的多样性：装袋法和提升法

13.3　特征操作带来的多样性

13.4　输出值操作带来的多样性：纠错码

13.5　训练阶段随机性带来的多样性

13.6　加性logistic回归

13.7　民主有助于准确率--拒绝的折中

第14章　递归神经网络和储备池计算

14.1　递归神经网络

14.2　能量极小化霍普菲尔德网络

14.3　递归神经网络和时序反向传播

14.4　递归神经网络储备池学习

14.5　超限学习机

第二部分　无监督学习和聚类

第15章　自顶向下的聚类：K均值

15.1　无监督学习的方法

15.2　聚类：表示与度量

15.3　硬聚类或软聚类的K均值方法

第16章　自底向上（凝聚）聚类

16.1　合并标准以及树状图

16.2　适应点的分布距离：马氏距离

16.3　附录：聚类的可视化

第17章　自组织映射

17.1　将实体映射到原型的人工皮层

17.2　使用成熟的自组织映射进行分类

第18章　通过线性变换降维（投影）

18.1　线性投影

18.2　主成分分析

18.3　加权主成分分析：结合坐标和关系

18.4　通过比值优化进行线性判别

18.5　费希尔线性判别分析

第19章　通过非线性映射可视化图与网络

19.1　最小应力可视化

19.2　一维情况：谱图绘制

19.3　复杂图形分布标准

第20章　半监督学习

20.1　用部分无监督数据进行学习

20.1.1　低密度区域中的分离

20.1.2　基于图的算法

20.1.3　学习度量

20.1.4　集成约束和度量学习

第三部分　优化：力量之源

第21章　自动改进的局部方法

21.1　优化和学习

21.2　基于导数技术的一维情况

21.2.1　导数可以由割线近似

21.2.2　一维最小化直到现在，我们都在

21.3　求解高维模型（二次正定型）

21.3.1　梯度与最速下降法

21.3.2　共轭梯度法

21.4　高维中的非线性优化

21.4.1　通过线性查找的全局收敛

21.4.2　解决不定黑塞矩阵

21.4.3　与模型信赖域方法的关系

21.4.4　割线法

21.4.5　缩小差距：二阶方法与线性复杂度

21.5　不涉及导数的技术：反馈仿射振荡器

21.5.1　RAS：抽样区域的适应性

21.5.2　为健壮性和多样化所做的重复

第22章　局部搜索和反馈搜索优化

22.1　基于扰动的局部搜索

22.2　反馈搜索优化：搜索时学习

22.3　基于禁忌的反馈搜索优化

第23章　合作反馈搜索优化

23.1　局部搜索过程的智能协作

23.2　CoRSO：一个政治上的类比

23.3　CoRSO的例子：RSO与RAS合作

第24章　多目标反馈搜索优化

24.1　多目标优化和帕累托最优

24.2　脑--计算机优化：循环中的用户

第四部分　应用精选

第25章　文本和网页挖掘

25.1　网页信息检索与组织

25.1.1　爬虫

25.1.2　索引

25.2　信息检索与排名

25.2.1从文档到向量：向量{空间模型

25.2.2相关反馈

25.2.3更复杂的相似性度量

25.3　使用超链接来进行网页排名

25.4　确定中心和权威：HITS

25.5　聚类

第26章　协同过滤和推荐

26.1　通过相似用户结合评分

26.2　基于矩阵分解的模型

参考文献

索引

连接图灵

看完了

下载地址