數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)：數(shù)學(xué)與統(tǒng)計方法

定　價：￥139.00

作　者：	[澳]迪爾克·P. 克洛澤，[澳]茲德拉夫科·I. 波提夫，[澳]托馬斯·泰姆勒，[澳]拉迪斯拉夫·維斯曼著
出版社：	機(jī)械工業(yè)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787111711391	出版時間：	2022-11-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　本書旨在為有興趣更好地理解數(shù)學(xué)和統(tǒng)計的學(xué)生提供一個可訪問的、全面的教科書，這些數(shù)學(xué)和統(tǒng)計知識是數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)算法的基礎(chǔ)。

作者簡介

　　于俊偉，畢業(yè)于中科院自動化所，目前就職于河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院任講師，主要從事計算機(jī)視覺、模式識別和智能信息處理等方向的研究。于老師自攻讀博士學(xué)位以來，長期在視覺測量、圖像處理、目標(biāo)識別和視覺輔助導(dǎo)航等領(lǐng)域開展研究工作，參與自然科學(xué)基金、國防預(yù)先研究基金和863計劃課題等多項科研項目，具有扎實的理論基礎(chǔ)和豐富的工程實踐經(jīng)驗。2010年進(jìn)入河南工業(yè)大學(xué)工作以來，結(jié)合學(xué)校在糧油食品方面的行業(yè)優(yōu)勢，進(jìn)行儲糧信息的獲取、處理及其融合等方向的研究，目前正在參與863課題“食品生物危害物精準(zhǔn)檢測與控制技術(shù)研究”的研究工作。完成國防科學(xué)技術(shù)報告3份，在國內(nèi)外學(xué)術(shù)期刊及國際會議上發(fā)表論文10余篇，完成河南省科技成果鑒定一項。

圖書目錄

譯者序
前言
數(shù)學(xué)符號
第1章導(dǎo)入、匯總和可視化
數(shù)據(jù)
11簡介
12類型結(jié)構(gòu)特征
13匯總表
14匯總統(tǒng)計量
15數(shù)據(jù)可視化
151定性變量繪圖
152定量變量繪圖
153雙變量的數(shù)據(jù)可視化
16擴(kuò)展閱讀
17習(xí)題
第2章統(tǒng)計學(xué)習(xí)
21簡介
22監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)
23訓(xùn)練損失和測試損失
24統(tǒng)計學(xué)習(xí)中的權(quán)衡處理
25估計風(fēng)險
251樣本內(nèi)風(fēng)險
252交叉驗證
26數(shù)據(jù)建模
27多元正態(tài)模型
28正態(tài)線性模型
29貝葉斯學(xué)習(xí)
210擴(kuò)展閱讀
211習(xí)題
第3章蒙特卡羅方法
31簡介
32蒙特卡羅抽樣
321生成隨機(jī)數(shù)
322模擬隨機(jī)變量
323模擬隨機(jī)向量和隨機(jī)
過程
324重采樣
325馬爾可夫鏈蒙特卡羅
33蒙特卡羅估計
331樸素蒙特卡羅
332自舉法
333方差縮減
34蒙特卡羅優(yōu)化
341模擬退火
342交叉熵方法
343分裂優(yōu)化
344噪聲優(yōu)化
35擴(kuò)展閱讀
36習(xí)題
第4章無監(jiān)督學(xué)習(xí)
41簡介
42無監(jiān)督學(xué)習(xí)的風(fēng)險和損失
43期望大化算法
44經(jīng)驗分布和密度估計
45通過混合模型聚類
451混合模型
452混合模型的EM
算法
46向量量化聚類
461K均值
462通過連續(xù)多極值優(yōu)化
進(jìn)行聚類
47層次聚類
48主成分分析
481動機(jī)：橢球體的
主軸
482PCA和奇異值分解
49擴(kuò)展閱讀
410習(xí)題
第5章回歸
51簡介
52線性回歸
53線性模型分析
531參數(shù)估計
532模型選擇和預(yù)測
533交叉驗證與預(yù)測殘差
平方和
534樣本內(nèi)風(fēng)險和赤池信
息準(zhǔn)則
535分類特征
536嵌套模型
537決定系數(shù)
54正態(tài)線性模型的推理
541比較兩個正態(tài)線性
模型
542置信區(qū)間和預(yù)測
區(qū)間
55非線性回歸模型
56用Python實現(xiàn)線性模型
561建模
562分析
563方差分析
564置信區(qū)間和預(yù)測區(qū)間
565模型驗證
566變量選擇
57廣義線性模型
58擴(kuò)展閱讀
59習(xí)題
第6章正則化和核方法
61簡介
62正則化
63再生核希爾伯特空間
64再生核的構(gòu)造
641通過特征映射構(gòu)造
再生核
642根據(jù)特征函數(shù)構(gòu)造
再生核
643利用正交特征構(gòu)造
再生核
644通過核構(gòu)造再生核
65表示定理
66平滑三次樣條
67高斯過程回歸
68核PCA
69擴(kuò)展閱讀
610習(xí)題
第7章分類
71簡介
72分類評價指標(biāo)
73基于貝葉斯規(guī)則的分類
74線性判別分析和二次判別
分析
75邏輯回歸和softmax分類
76K近鄰分類
77支持向量機(jī)
78使用ScikitLearn進(jìn)行分類
79擴(kuò)展閱讀
710習(xí)題
第8章決策樹和集成方法
81簡介
82自頂向下的決策樹構(gòu)建方法
821區(qū)域預(yù)測函數(shù)
822分裂規(guī)則
823終止條件
824基本實現(xiàn)
83其他考慮因素
831二叉樹與非二叉樹
832數(shù)據(jù)預(yù)處理
833替代分裂規(guī)則
834類別變量
835缺失值
84控制樹形
841代價復(fù)雜度剪枝
842決策樹的優(yōu)點(diǎn)和
局限性
85自舉聚合
86隨機(jī)森林
87提升法
88擴(kuò)展閱讀
89習(xí)題
第9章深度學(xué)習(xí)
91簡介
92前饋神經(jīng)網(wǎng)絡(luò)
93反向傳播
94訓(xùn)練方法
941速下降法
942LevenbergMarquardt
方法
943受限內(nèi)存BFGS
方法
944自適應(yīng)梯度法
95Python示例
951簡單多項式回歸
952圖像分類
96擴(kuò)展閱讀
97習(xí)題
附錄A線性代數(shù)與泛函分析
附錄B多元微分與優(yōu)化問題
附錄C概率與統(tǒng)計
附錄DPython入門
參考文獻(xiàn)