![机器学习:从公理到算法_第1页](http://file4.renrendoc.com/view/bf479fc210a02baf80ab61faeaf7f129/bf479fc210a02baf80ab61faeaf7f1291.gif)
![机器学习:从公理到算法_第2页](http://file4.renrendoc.com/view/bf479fc210a02baf80ab61faeaf7f129/bf479fc210a02baf80ab61faeaf7f1292.gif)
![机器学习:从公理到算法_第3页](http://file4.renrendoc.com/view/bf479fc210a02baf80ab61faeaf7f129/bf479fc210a02baf80ab61faeaf7f1293.gif)
![机器学习:从公理到算法_第4页](http://file4.renrendoc.com/view/bf479fc210a02baf80ab61faeaf7f129/bf479fc210a02baf80ab61faeaf7f1294.gif)
![机器学习:从公理到算法_第5页](http://file4.renrendoc.com/view/bf479fc210a02baf80ab61faeaf7f129/bf479fc210a02baf80ab61faeaf7f1295.gif)
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
读书笔记模板机器学习:从公理到算法01思维导图读书笔记目录分析内容摘要精彩摘录作者介绍目录0305020406思维导图机器算法算法聚类问题学习数据习题算法参考文献数据理论线性分类模型参数聚类问题讨论本书关键字分析思维导图内容摘要内容摘要这是一本基于公理研究学习算法的书。共17章,由两部分组成。第一部分是机器学习公理以及部分理论演绎,包括第1、2、6、8章,论述学习公理以及相应的聚类、分类理论。第二部分如何从公理推出经典学习算法,包括单类、多类和多源问题。第3~5章为单类问题,分别论述密度估计、回归和单类数据降维。第7、9~16章为多类问题,包括聚类、神经络、K近邻、支持向量机、Logistic回归、贝叶斯分类、决策树、多类降维与升维等经典算法。最后第17章研究了多源数据学习问题。本书可以作为高等院校计算机、自动化、数学、统计学、人工智能及相关专业的研究生教材,也可以供机器学习的爱好者参考。读书笔记读书笔记强烈建议北京某所高校,能不能不要以这本书为课本,真的有点难懂。南周北于,是为国内之先行权威,此书略奥深,有数学基础者读之为上。感觉不太适合普通学生作为机器学习入门,晦涩难懂,老师上课也讲的让人昏昏欲睡。学CS,想做AI,没学术积淀光会实操,是无法厚基础以大效于世的;就喜欢这么纯粹的理论,学完后有充实的、沉甸甸的感觉。“天行健,君子以自强不息;地势坤,君子以厚德载物”,意谓:天的运动刚强劲健,相应于此,君子处事,应像天一样,自我力求进步,刚毅坚卓,发奋图强,永不停息;大地的气势厚实和顺,君子应增厚美德,容载万物。很不错的一本书!虽然有一定数学门槛,但是主要是逻辑符号系统,用来表示一般的概念,只是作者可能没打算把它写成一本科普读物,有一些提法不是学数学或者计算机的读者会觉得晦涩难懂,比如说机器学习可解释性的提法,说白了就是放弃模拟人脑解决问题的方式,也就是放弃逻辑推理和因果理论,这是第一次人工智能遭遇瓶颈后学界探索的一个重要方向。精彩摘录精彩摘录归类算法设计应该遵循的4条准则——类一致性准则、类紧致性准则、类分离性准则和奥卡姆剃刀准则。典型的最优化算法有梯度下降算法、共轭梯度算法、伪牛顿算法、线性规划算法、演化算法、群体智能等丑小鸭定理是由SatosiWatanabe于1969年提出的,其内容可表述为“如果选定的特征不合理,那么世界上所有事物之间的相似程度都一样,丑小鸭与白天鹅之间的区别和两只白天鹅之间的区别一样大”。对于对象特性输入表示,通常有三种表示方式。一种是向量表示,对于每个对象,可以相对独立地观察其特有的一些特征。机器学习的主要目的是从有限的数据中学习到知识,而知识的基本单元是概念20世纪80年代神经络的复苏,其基本思路即为放弃解释性,一心提高算法的泛化性能。神经络放弃解释性的最重要标志是其激活函数不再使用线性函数,而是典型的非线性函数如Sigmoid函数和双曲函数等,其优点是其表示能力大幅提高,相应的复杂性也极度增长。,要完成一个具体的学习任务,需要学习材料、学习方法以及学习效果评估方法。数据集合、学习判据、学习算法对于任何学习任务都是需要讨论的对象。目录分析内容简介第1章引言第2章归类理论第3章密度估计目录第4章回归第5章单类数据降维第6章聚类理论第7章聚类算法第8章分类理论12345目录第9章基于单类的分类算法:神经络第10章K近邻分类模型第11章线性分类模型第12章对数线性分类模型第13章贝叶斯决策12345目录第14章决策树第15章多类数据降维第16章多类数据升维:核方法第17章多源数据学习后记索引010302040506目录第1章引言1.1机器学习的目的:从数据到知识1.2机器学习的基本框架1.3机器学习思想简论延伸阅读习题第2章归类理论2.1类表示公理2.2归类公理2.3归类结果分类2.4归类方法设计准则讨论延伸阅读习题参考文献第3章密度估计3.1密度估计的参数方法3.2密度估计的非参数方法延伸阅读习题第4章回归4.1线性回归4.2岭回归4.3Lasso回归讨论习题第5章单类数据降维5.1主成分分析5.2非负矩阵分解5.3字典学习与稀疏表示5.4局部线性嵌入5.5典型关联分析5.6多维度尺度分析与等距映射讨论习题参考文献第6章聚类理论6.1聚类问题表示及相关定义6.2聚类算法设计准则6.3聚类有效性延伸阅读习题第7章聚类算法7.1样例理论:层次聚类算法7.2原型理论:点原型聚类算法7.3基于密度估计的聚类算法延伸阅读习题第8章分类理论8.1分类及相关定义8.2从归类理论到经典分类理论8.3分类测试公理讨论习题第9章基于单类的分类算法:神经络9.1分类问题的回归表示9.2人工神经络9.3从参数密度估计到受限玻耳兹曼机9.4深度学习讨论习题参考文献第10章K近邻分类模型10.1K近邻算法10.2距离加权最近邻算法10.3K近邻算法加速策略10.4kd树10.5K近邻算法中的参数问题延伸阅读习题第11章线性分类模型11.1判别函数和判别模型11.2线性判别函数11.3线性感知机算法11.4支持向量机讨论习题参考文献第12章对数线性分类模型12.1Softmax回归12.2Logistic回归讨论习题参考文献第13章贝叶斯决策13.1贝叶斯分类器13.2朴素贝叶斯分类13.3最小化风险分类13.4效用最大化分类讨论习题第14章决策树14.1决策树的类表示14.2信息增益与ID3算法14.3增益比率与C4.5算法14.4Gini指数与CART算法14.5决策树的剪枝讨论习题参考文献第15章多类数据降维15.1有监督特征选择模型15.2有监督特征提取模型延伸阅读习题参考文献第16章多类数据升维:核方法16.1核方法16.2非线性支持向量机16.3多核方法
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 【正版授权】 ISO 1854:1987 EN Whey cheese - Determination of fat content - Gravimetric method (Reference method)
- 【正版授权】 ISO 18437-1:2012 EN Mechanical vibration and shock - Characterization of the dynamic mechanical properties of visco-elastic materials - Part 1: Principles and guidelines
- 【正版授权】 ISO 1833-19:2006 EN Textiles - Quantitative chemical analysis - Part 19: Mixtures of cellulose fibres and asbestos (method by heating)
- 【正版授权】 ISO 1833-14:2006 EN Textiles - Quantitative chemical analysis - Part 14: Mixtures of acetate and certain chlorofibres (method using acetic acid)
- 【正版授权】 ISO 18250-6:2019 EN Medical devices - Connectors for reservoir delivery systems for healthcare applications - Part 6: Neural applications
- GB+38456-2020抗菌和抑菌洗剂卫生要求
- 门诊危急值处理制度
- 三用心教育计划
- 组合角型钢悬挑脚手架施工计算书及相关图纸
- 初中物理+光的折射课件++人教版(2024)物理八年级上册
- 奥迪终身保养合同范本
- 公园设施维修投标方案
- 宫颈癌防治竞赛试题及答案
- 24春国家开放大学《教育学》期末大作业
- 新课标下小学英语跨学科融合主题教学策略研究
- 学术规范与论文写作智慧树知到期末考试答案章节答案2024年浙江工业大学
- 大营销管控:持续做大做强的科学管控体系
- 三废环保管理培训
- 23秋国家开放大学《液压气动技术》形考任务1-3参考答案
- 2023年02月武汉市市直机关竞争性转任公务员笔试题库含答案解析
- 钢板及钢带常用牌号对照
评论
0/150
提交评论