机器学习导论 原书第2版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

机器学习导论 原书第2版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 一个简单的机器学习任务1

1.1 训练集和分类器1

1.2 题外话：爬山搜索4

1.3 机器学习中的爬山法6

1.4 分类器的性能8

1.5 可用数据的困难9

1.6 小结和历史简评11

1.7 巩固知识11

第2章 概率：贝叶斯分类器14

2.1 单属性的情况14

2.2 离散属性值的向量17

2.3 稀少事件的概率：利用专家的直觉20

2.4 如何处理连续属性23

2.5 高斯钟形函数：一个标准的pdf24

2.6 用高斯函数的集合近似pdf26

2.7 小结和历史简评30

2.8 巩固知识30

第3章 相似性：最近邻分类器32

3.1 k近邻法则32

3.2 度量相似性34

3.3 不相关属性与尺度缩放问题36

3.4 性能方面的考虑39

3.5 加权最近邻41

3.6 移除危险的样例42

3.7 移除多余的样例44

3.8 小结和历史简评46

3.9 巩固知识46

第4章 类间边界：线性和多项式分类器49

4.1 本质49

4.2 加法规则：感知机学习51

4.3 乘法规则：WINNOW55

4.4 多于两个类的域58

4.5 多项式分类器60

4.6 多项式分类器的特殊方面62

4.7 数值域和SVM63

4.8 小结和历史简评65

4.9 巩固知识66

第5章 人工神经网络69

5.1 作为分类器的多层感知机69

5.2 神经网络的误差72

5.3 误差的反向传播73

5.4 多层感知机的特殊方面77

5.5 结构问题79

5.6 RBF网络81

5.7 小结和历史简评83

5.8 巩固知识84

第6章 决策树86

6.1 作为分类器的决策树86

6.2 决策树的归纳学习89

6.3 一个属性承载的信息91

6.4 数值属性的二元划分94

6.5 剪枝96

6.6 将决策树转换为规则99

6.7 小结和历史简评101

6.8 巩固知识101

第7章 计算学习理论104

7.1 PAC学习104

7.2 PAC可学习性的实例106

7.3 一些实践和理论结果108

7.4 VC维与可学习性110

7.5 小结和历史简评112

7.6 巩固知识112

第8章 典型案例114

8.1 字符识别114

8.2 溢油检测117

8.3 睡眠分类119

8.4 脑机界面121

8.5 医疗诊断124

8.6 文本分类126

8.7 小结和历史简评127

8.8 巩固知识128

第9章 投票组合简介130

9.1 “Bagging”方法130

9.2 “Schapire's Boosting”方法132

9.3 “Adaboost”方法：“Boosting”方法的实用版本134

9.4 “Boosting”方法的变种138

9.5 该方法的计算优势139

9.6 小结和历史简评141

9.7 巩固知识141

第10章 了解一些实践知识143

10.1 学习器的偏好143

10.2 不平衡训练集145

10.3 语境相关域148

10.4 未知属性值150

10.5 属性选择152

10.6 杂项154

10.7 小结和历史简评155

10.8 巩固知识156

第11章 性能评估158

11.1 基本性能标准158

11.2 精度和查全率160

11.3 测量性能的其他方法163

11.4 学习曲线和计算开销166

11.5 实验评估的方法167

11.6 小结和历史简评169

11.7 巩固知识170

第12章 统计显著性173

12.1 总体抽样173

12.2 从正态分布中获益176

12.3 置信区间178

12.4 一个分类器的统计评价180

12.5 另外一种统计评价182

12.6 机器学习技术的比较182

12.7 小结和历史简评184

12.8 巩固知识185

第13章 多标签学习186

13.1 经典机器学习框架下的多标签问题186

13.2 单独处理每类数据的方法：二元相关法188

13.3 分类器链190

13.4 另一种方法：层叠算法191

13.5 层次有序类的简介192

13.6 类聚合194

13.7 分类器性能的评价标准196

13.8 小结和历史简评198

13.9 巩固知识199

第14章 无监督学习202

14.1 聚类分析202

14.2 简单算法：k均值204

14.3 k均值的高级版207

14.4 分层聚集209

14.5 自组织特征映射：简介211

14.6 一些重要的细节213

14.7 为什么要特征映射214

14.8 小结和历史简评215

14.9 巩固知识216

第15章 规则集形式的分类器218

15.1 由规则描述的类别218

15.2 通过序列覆盖归纳规则集220

15.3 谓词与循环222

15.4 更多高级的搜索算子224

15.5 小结和历史简评225

15.6 巩固知识225

第16章 遗传算法227

16.1 基本遗传算法227

16.2 个体模块的实现229

16.3 为什么能起作用231

16.4 过早退化的危险233

16.5 其他遗传算子234

16.6 高级版本235

16.7 kNN分类器的选择237

16.8 小结和历史简评239

16.9 巩固知识240

第17章 强化学习241

17.1 如何选出最高奖励的动作241

17.2 游戏的状态和动作243

17.3 SARSA方法245

17.4 小结和历史简评245

17.5 巩固知识246

参考文献247