下载中心>文集> 机器学习入门

机器学习入门

机器学习是计算机科学与人工智能的重要分支领域,它是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。

移动物联网、人工智能的迅速发展,让我们迎来了大数据时代,有许多优势促使机器学习得到了广泛应用,同时吸引了更多人关注和学习这门学科。

本文集从机器学习基础入手,旨在帮助机器学习的初学者能够基于理论实现并使用机器学习系统。

下载:4188 评论

机器学习数学和编程基础 文档列表

简介:

入门机器学习并不是一件轻松的事,没有捷径可言。初学者既要有数学基础,还要会编程,特别是一些经典的英文书籍,一定要看。

pdf
数学之美(第二版)
标签:数学原理、大数据、机器学习
积分:1 类型:学术论文上传者:nishisb上传时间:2019-02-27
简介:数学之美 (第二版),作者:吴军,2014年出版。 几年前,“数学之美”系列文章原刊载于谷歌黑板报,获得上百万次点击,得到读者高度评价。读者说,读了“数学之美”,才发现大学时学的数学知识,比如马尔可夫链、矩阵计算,甚至余弦函数原来都如此亲切,并且栩栩如生,才发现自然语言和信息处理这么有趣。 在纸本书的创作中,作者吴军博士几乎把所有文章都重写了一遍,为的是把高深的数学原理讲得更加通俗易懂,让非专业读者也能领略数学的魅力。读者通过具体的例子学到的是思考问题的方式 —— 如何化繁为简,如何用数学去解决工程问题,如何跳出固有思维不断去思考创新。 第二版增加了针对大数据和机器学习的内容,以便满足人们对当下技术的学习需求;同时,根据专家和读者的反馈更正了一些错漏,并更新了部分内容。 新版增加了大数据和机器学习等最新内容,以满足人们对当下技术的学习需求;同时,根据专家和读者的反馈更正了错漏,并更新了部分内容。
pdf
《托马斯微积分(第10版)》
标签:托马斯微积分
积分:1 类型:技术书籍上传者:tyw上传时间:2016-06-06
简介:《托马斯微积分(第10版)》 作者:Maurice Weir Giordano 翻译:叶其孝 王耀东 唐兢 出版时间:2003年 简介:《托马斯微积分》(第10版)是从PEARSON Education购买翻译版权引进的,其特色可用“呈传统特色,富革新精神”来概括,50年以来,该书平均每四五年就有一个新版面世,每版较之先前版本都有不少改进之处,体现了这是一部锐意革新的教材;与此同时,该书始终注意保持其基本特色且有所增强,说明它又是一部重视继承传统的教材。 《托马斯微积分》(第10版)具有以下突出的特色:坚实的数学,取材于科学和工程中相关的重要应用实例,以及配置有极好的习题。鼓励学生直观形象地,解析和数值地思考和解决问题,重视数值计算和程序应用。
pdf
线性代数及其应用(原书第3版)
标签:线性代数、矩阵、向量
积分:1 类型:技术书籍上传者:wwhywhy上传时间:2020-02-26
简介:《线性代数及其应用(原书第3版)》作者:(美)David C. Lay,2005年出版,译者:刘深泉等。 这本教材我推荐每个理、工科同学都要在大一那年就读一读,远超国内教材不知凡几,让你真正意识到为什么要学习线性代数,并且学到的知识如何使用。越早读到这本书,收益越大!对你未来的科研,学习、工作都有极其深远的影响。 本书介绍了线性代数的基本概念、理论和证明。包含大量例题、练习题、习题等,广泛选取的应用说明了线性代数的作用。可以用于在工程学、计算机科学、物理学、数学、生物学、经济学和统计学中解释基本原理和简化计算。
pdf
Introduction to Linear Algebra (Fourth Edition)
标签:线性代数
积分:1 类型:技术书籍上传者:Anori1上传时间:2014-04-23
简介:《Introduction to Linear Algebra (Fourth Edition)》,线性代数第4版,作者:Gilbert Strang,2009年出版。 Gilbert Strang's textbooks have changed the entire approach to learning linear algebra -- away from abstract vector spaces to specific examples of the four fundamental subspaces: the column space and nullspace of A and A'. Introduction to Linear Algebra, Fourth Edition includes challenge problems to complement the review problems that have been highly praised in previous editions. The basic course is followed by seven applications: differential equations, engineering, graph theory, statistics, fourier methods and the FFT, linear programming, and computer graphics. Thousands of teachers in colleges and universities and now high schools are using this book, which truly explains this crucial subject. Chapter 1: Introduction to Vectors; Chapter 2: Solving Linear Equations; Chapter 3: Vector Spaces and Subspaces; Chapter 4: Orthogonality; Chapter 5: Determinants; Chapter 6: Eigenvalues and Eigenvectors; Chapter 7: Linear Transformations; Chapter 8: Applications; Chapter 9: Numerical Linear Algebra; Chapter 10: Complex Vectors and Matrices; Solutions to Selected Exercises; Final Exam. Matrix Factorizations. Conceptual Questions for Review. Glossary: A Dictionary for Linear Algebra Index Teaching Codes Linear Algebra in a Nutshell.
pdf
统计学习方法(李航)
标签:机器学习统计
积分:1 类型:技术书籍上传者:sigma上传时间:2020-09-24
简介:《统计学习方法》作者:李航,2012年出版。 统计学习是计算机及其应用领域的一门重要的学科。本书全面系统地介绍了统计学习的主要方法,特别是监督学习方法,包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、em算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外,每章介绍一种方法。叙述从具体问题或实例入手,由浅入深,阐明思路,给出必要的数学推导,便于读者掌握统计学习方法的实质,学会运用。为满足读者进一步学习的需要,书中还介绍了一些相关研究,给出了少量习题,列出了主要参考文献。 《统计学习方法》是统计学习及相关课程的教学参考书,适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生,也可供从事计算机应用相关专业的研发人员参考。
pdf
An Introduction to Statistical Learning: with Applications in R
标签:AI人工智能统计学
积分:1 类型:学术论文上传者:lamaba上传时间:2018-03-30
简介:《An Introduction to Statistical Learning: with Applications in R》统计学习导论:基于R应用,作者:作者:Gareth James,Daniela Witten,Trevor Hastie,Robert Tibshirani,2013年出版。 An Introduction to Statistical Learning provides an accessible overview of the field of statistical learning, an essential toolset for making sense of the vast and complex data sets that have emerged in fields ranging from biology to finance to marketing to astrophysics in the past twenty years. This book presents some of the most important modeling and prediction techniques, along with relevant applications.
pdf
The Elements of Statistical Learning: Data Mining,Inference,and Prediction (Second Edition)
标签:AI人工智能统计学
积分:1 类型:学术论文上传者:lamaba上传时间:2018-03-30
简介:The Elements of Statistical Learning: Data Mining,Inference,and Prediction (Second Edition)统计学要素:机器学习中的数据挖掘、推断和预测,作者:作者: Trevor Hastie / Robert Tibshirani / Jerome Friedman,2009年出版。 During the past decade there has been an explosion in computation and information technology. With it have come vast amounts of data in a variety of fields such as medicine, biology, finance, and marketing. The challenge of understanding these data has led to the development of new tools in the field of statistics, and spawned new areas such as data mining, machine learning, and bioinformatics. Many of these tools have common underpinnings but are often expressed with different terminology. This book describes the important ideas in these areas in a common conceptual framework. While the approach is statistical, the emphasis is on concepts rather than mathematics. Many examples are given, with a liberal use of color graphics. It is a valuable resource for statisticians and anyone interested in data mining in science or industry.
pdf
Mathematics for Machine Learning
标签:机器学习、数学基础
积分:1 类型:技术书籍上传者:太白金星上传时间:2020-09-29
简介:《Mathematics for Machine Learning》机器学习数学基础,作者:Marc Peter Deisenroth / A. Aldo Faisal / Cheng Soon Ong,2020年出版。 机器学习是将人类知识和推理提炼成适合构造机器和工程自动化系统的形式的一长串尝试中的最新一类。 随着机器学习变得越来越普遍并且其软件包变得更加易于使用,自然而又希望将底层技术细节从实践者中抽象出来并隐藏起来。 但是,这带来了从业者不了解该危险的危险。 Machine learning is the latest in a long line of attempts to distill humanknowledge and reasoning into a form that is suitable for constructing machines and engineering automated systems. As machine learning becomesmore ubiquitous and its software packages become easier to use, it is natural and desirable that the low-level technical details are abstracted awayand hidden from the practitioner. However, this brings with it the dangerthat a practitioner becomes unaware of the
pdf
Python基础教程(第3版)
标签:Python教程编程
积分:1 类型:技术书籍上传者:syaoranwe上传时间:2018-12-18
简介:《Python基础教程(第3版)》作者:Magnus Lie Hetland,译者:袁国忠,2018年出版。 本书包括Python程序设计的方方面面:首先从Python的安装开始,随后介绍了Python的基础知识和基本概念,包括列表、元组、字符串、字典以及各种语句;然后循序渐进地介绍了一些相对高级的主题,包括抽象、异常、魔法方法、属性、迭代器;此后探讨了如何将Python与数据库、网络、C语言等工具结合使用,从而发挥出Python的强大功能,同时介绍了Python程序测试、打包、发布等知识;最后,作者结合前面讲述的内容,按照实际项目开发的步骤向读者介绍了10个具有实际意义的Python项目的开发过程。
pdf
Python编程:从入门到实践
标签:Python编程
积分:1 类型:技术书籍上传者:aerobotics上传时间:2021-02-26
简介:《Python编程:从入门到实践》 作者:[美]埃里克·马瑟斯 译者:袁国忠 出版时间:2016-07 《Python编程:从入门到实践》是一本针对所有层次的Python读者而作的Python入门书。全书分两部分:第一部分介绍用Python编程所必须了解的基本概念,包括matplotlib、NumPy和Pygal等强大的Python库和工具介绍,以及列表、字典、if语句、类、文件与异常、代码测试等内容;第二部分将理论付诸实践,讲解如何开发三个项目,包括简单的Python 2D游戏开发如何利用数据生成交互式的信息图,以及创建和定制简单的Web应用,并帮读者解决常见编程问题和困惑。
zip
Python编程导论(第2版)
标签:python
积分:2 类型:技术书籍上传者:lcofjp上传时间:2018-05-18
简介:《Python编程导论(第2版)》作者:John V. Guttag,译者:陈光欣,2018年出版。 掌握多种不同的思维方式是每个人大学时代的必修课。具备使用计算思维解决问题的能力是程序员入门的基本技能。 本书基于作者开授的MIT热门MOOC教程编写,旨在培养读者的计算思维,为其日后的IT生涯打下坚实的编程基础。 - 以Python 3为示例,涵盖Python大部分特性,重在介绍编程语言可以做什么 - 如何系统性地组织、编写、调试中等规模的程序 - 理解计算复杂度 - 将模糊的问题描述转化为明确的计算方法,以此解决问题,并深刻理解整个过程 - 掌握有用的算法以及问题简化技术 - 使用随机性和模拟技术清晰阐述很难得到封闭解的问题 - 使用计算工具(包括简单的统计、可视化以及机器学习工具)对数据进行理解与建模 内容简介: 本书基于MIT 编程思维培训讲义写成,主要目标在于帮助读者掌握并熟练使用各种计算技术,具备用计算思维解决现实问题的能力。 书中以Python 3 为例,介绍了对中等规模程序的系统性组织、编写、调试,帮助读者深入理解计算复杂度,还讲解了有用的算法和问题简化技术,并探讨各类计算工具的使用。 与本书第1版相比,第2版全面改写了后半部分,且书中所有示例代码都从Python 2 换成了Python 3。 本书适合对编程知之甚少但想要使用计算方法解决问题的读者。
zip
Python机器学习基础教程(含代码)
标签:python机器学习
积分:2 类型:技术书籍上传者:lcofjp上传时间:2018-05-19
简介:《Python机器学习基础教程》作者:[德]安德里亚斯·穆勒 / [美]莎拉·吉多,译者:张亮,2018年出版。 机器学习已成为许多商业应用和研究项目不可或缺的一部分,海量数据使得机器学习的应用范围远超人们想象。本书将向所有对机器学习技术感兴趣的初学者展示,自己动手构建机器学习解决方案并非难事! 书中重点讨论机器学习算法的实践而不是背后的数学,全面涵盖在实践中实现机器学习算法的所有重要内容,帮助读者使用Python和scikit-learn库一步一步构建一个有效的机器学习应用。 * 机器学习的基本概念及其应用 * 常用机器学习算法的优缺点 * 机器学习所处理的数据的表示方法,包括重点关注数据的哪些方面 * 模型评估和调参的高级方法 * 管道的概念 * 处理文本数据的方法,包括文本特有的处理方法 * 进一步提高机器学习和数据科学技能的建议
pdf
R语言简介(R语言笔记:数据分析与绘图的编程环境)
标签:R语言
积分:1 类型:应用文档上传者:ceaxyz上传时间:2014-06-29
简介:《R语言简介(R语言笔记:数据分析与绘图的编程环境)》,R语言入门教程,经典版。版本1.7,更新于2006年。
pdf
机器学习与R语言
标签:机器学习R语言
积分:1 类型:技术书籍上传者:nonogugu66上传时间:2018-11-07
简介:《机器学习与R语言》作者:布雷特·兰茨(Brett Lantz),译者:李洪成、许金炜、李舰,2015年出版。 随着大数据的概念变得越来越流行,对数据的探索、分析和预测成为大数据分析领域的基本技能之一。作为探索和分析数据的基本理论和工具,机器学习和数据挖掘成为时下炙手可热的技术。R作为功能强大并且免费的数据分析工具,在数据分析领域获得了越来越多用户的青睐。 本书通过丰富的实际案例来探索如何应用R来进行现实世界问题的机器学习,如何从数据中获取可以付诸行动的洞察力。本书案例清晰而实用,讲解循序渐进,是一本用R进行机器学习的实用指南,既适用于机器学习的初学者,也适用于具有一定经验的老手,本书将帮助他们回答有关R的所有问题。
pdf
集体智慧编程
标签:机器学习、数据挖掘、数据分析
积分:1 类型:技术书籍上传者:nishisb上传时间:2018-11-07
简介:《集体智慧编程》作者是Toby Segaran,译者:莫映 / 王开福,2009年出版。 《集体智慧编程》以机器学习与计算统计为主题背景,专门讲述如何挖掘和分析Web上的数据和资源,如何分析用户体验、市场营销、个人品味等诸多信息,并得出有用的结论,通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息,以便创造新的用户价值和商业价值。全书内容翔实,包括协作过滤技术(实现关联产品推荐功能)、集群数据分析(在大规模数据集中发掘相似的数据子集)、搜索引擎核心技术(爬虫、索引、查询引擎、PageRank算法等)、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术(垃圾邮件过滤、文本过滤)、用决策树技术实现预测和决策建模功能、社交网络的信息匹配技术、机器学习和人工智能应用等。 本书是Web开发者、架构师、应用工程师等的绝佳选择。
pdf
《编程珠玑(第2版)》完整中文版
标签:编程珠玑C语言
积分:1 类型:技术书籍上传者:tiankai001上传时间:2013-10-22
简介:《编程珠玑(第2版)》 [美]Jon Bentley 著 黄倩 钱丽艳 译 刘田 审校 2008年出版 简介:多年以来,当程序员们推选出最心爱的计算机图书时,《编程珠玑》总是位于前列。正如自然界里珍珠出自细沙对牡蛎的磨砺。计算机科学大师Jon Bentley以其独有的洞察力和创造力,从磨砺程序员的实际问题中凝结出一篇篇不朽的编程“珠玑”,成为世界计算机界名刊《ACM通讯》历史上最受欢迎的专栏,最终结集为两部不朽的计算机科学经典名著,影响和激励着一代又一代程序员和计算机科学工作者。本书为第一卷,主要讨论计算机科学中最本质的问题:如何正确选择和高效地实现算法。 在书中,作者选取许多具有典型意义的复杂编程和算法问题,生动描绘了历史上众大师们在探索解决方案中发生的轶事、走过的弯路和不断精益求精的历程,引导读者像真正的程序员和软件工程师那样富于创新性地思考,并透彻阐述和总结了许多独特而精妙的设计原则、思考和解决问题的方法以及实用程序设计技巧。解决方案的代码均以C/C++语言编写,不仅有趣,而且有很大的实战示范意义。每章后所附习题极具挑战性和启发性,书末给出了简洁的解答。 《编程珠玑(第2版)》是计算机科学方面的经典名著。书的内容围绕程序设计人员面对的一系列实际问题展开。作者Jon Bentley 以其独有的洞察力和创造力,引导读者理解这些问题并学会解决方法,而这些正是程序员实际编程生涯中至关重要的。 《编程珠玑(第2版)》的特色是通过一些精心设计的有趣而又颇具指导意义的程序,对实用程序设计技巧及基本设计原则进行了透彻而睿智的描述,为复杂的编程问题提供了清晰而完备的解决思路。《编程珠玑(第2版)》对各个层次的程序员都具有很高的阅读价值。 作者简介 Jon Bentley,世界著名计算机科学家,被誉为影响算法发展的十位大师之一。他先后任职于卡内基—梅隆大学(1976—1982)、贝尔实验室(1982—2001)和Avaya实验室(2001年至今)。在卡内基—梅隆大学担任教授期间,他培养了包括Tcl语言设计者John Ousterhout、Java语言设计者James Gosling、《算法导论》作者之一Charles Leiserson在内的许多计算机科学大家。2004年荣获Dr.Dobbs程序设计卓越奖。 钱丽艳,北京大学信息科学技术学院基础实验教学研究所软件实验室主任、工程师,毕业于国防科技大学。

机器学习理论及算法 文档列表

简介:

理论和算法是机器学习的核心。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法,机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。

pdf
算法导论(原书第3版)
标签:计算机、算法
积分:1 类型:技术书籍上传者:jujuyaya222上传时间:2019-05-23
简介:《算法导论(原书第3版)》作者:Thomas H.Cormen / Charles E.Leiserson / Ronald L.Rivest / Clifford Stein,本书由殷建平 / 徐云 / 王刚 / 刘晓光 / 苏明 / 邹恒明 / 王宏志 翻译,2012年出版。 在有关算法的书中,有一些叙述非常严谨,但不够全面;另一些涉及了大量的题材,但又缺乏严谨性。本书将严谨性和全面性融为一体,深入讨论各类算法,并着力使这些算法的设计和分析能为各个层次的读者接受。全书各章自成体系,可以作为独立的学习单元;算法以英语和伪代码的形式描述,具备初步程序设计经验的人就能看懂;说明和解释力求浅显易懂,不失深度和数学严谨性。 全书选材经典、内容丰富、结构合理、逻辑清晰,对本科生的数据结构课程和研究生的算法课程都是非常实用的教材,在IT专业人员的职业生涯中,本书也是一本案头必备的参考书或工程实践手册。 第3版的主要变化: 新增了van Emde Boas树和多线程算法,并且将矩阵基础移至附录。 修订了递归式(现在称为“分治策略”)那一章的内容,更广泛地覆盖分治法。 移除两章很少讲授的内容:二项堆和排序网络。 修订了动态规划和贪心算法相关内容。 流网络相关材料现在基于边上的全部流。 由于关于矩阵基础和Strassen算法的材料移到了其他章,矩阵运算这一章的内容所占篇幅更小。 修改了对Knuth-Morris-Pratt字符串匹配算法的讨论。 新增100道练习和28道思考题,还更新并补充了参考文献。
pdf
Introduction to Algorithms (3rd Edition)
标签:人工智能算法
积分:1 类型:学术论文上传者:rubyonrails上传时间:2018-11-07
简介:Introduction to Algorithms (3rd Edition),机器学习经典教程:算法导论 第三版英文版,有索引。作者:Thomas H. Cormen / Charles E. Leiserson / Ronald L. Rivest / Clifford Stein,2009年出版。 Some books on algorithms are rigorous but incomplete; others cover masses of material but lack rigor. Introduction to Algorithms uniquely combines rigor and comprehensiveness. The book covers a broad range of algorithms in depth, yet makes their design and analysis accessible to all levels of readers. Each chapter is relatively self-contained and can be used as a unit of study. The algorithms are described in English and in a pseudocode designed to be readable by anyone who has done a little programming. The explanations have been kept elementary without sacrificing depth of coverage or mathematical rigor. The first edition became a widely used text in universities worldwide as well as the standard reference for professionals. The second edition featured new chapters on the role of algorithms, probabilistic analysis and randomized algorithms, and linear programming. The third edition has been revised and updated throughout. It includes two completely new chapters, on van Emde Boas trees and multithreaded algorithms, and substantial additions to the chapter on recurrences (now called "Divide-and-Conquer"). It features improved treatment of dynamic programming and greedy algorithms and a new notion of edge-based flow in the material on flow networks. Many new exercises and problems have been added for this edition. As of the third edition, this textbook is published exclusively by the MIT Press.
pdf
计算机科学丛书:机器学习
标签:机器学习算法计算机
积分:1 类型:技术书籍上传者:sigma上传时间:2020-08-29
简介:《机器学习》作者:(美)Tom Mitchell,译者: 曾华军 / 张银奎 / 等,2008年出版。 《计算机科学丛书:机器学习》展示了机器学习中核心的算法和理论,并阐明了算法的运行过程。综合了许多的研究成果,例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等,并以此来理解问题的背景、算法和其中的隐含假定。《计算机科学丛书:机器学习》可作为计算机专业本科生、研究生教材,也可作为相关领域研究人员、教师的参考书。 《计算机科学丛书:机器学习》编辑推荐:如何让计算机随着经验的积累自动提高性能?这就是机器学习的目的。《机器学习》展示了机器学习中核心的算法和理论,并阐明了算法的运行过程。《机器学习》综合了许多的研究成果,例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等,并以此来理解问题的背景、算法和其中的隐含假定。
pdf
机器学习导论(原书第2版)
标签:机器学习人工智能计算机
积分:1 类型:技术书籍上传者:sigma上传时间:2018-03-29
简介:《机器学习导论(原书第2版)》作者:[土耳其] Ethem Alpaydin,译者:范明 / 昝红英 / 牛常勇,2014年出版。 全面讨论机器学习方法和技术,层次合理、叙述清晰、难度适中。 涵盖了经典的机器学习算法和理论,同时补充了近年来新出现的机器学习方法。 最佳的机器学习入门教材。 《机器学习导论(原书第2版)》讨论了机器学习在统计学、模式识别、神经网络、人工智能、信号处理等不同领域的应用,其中涵盖了监督学习、贝叶斯决策理论、参数方法、多元方法、多层感知器、局部模型、隐马尔可夫模型、分类算法评估和比较以及增强学习。 《机器学习导论(原书第2版)》可供完成计算机程序设计、概率论、微积分和线性代数课程的高年级本科生和研究生使用,也可供对机器学习感兴趣的工程技术人员参考。
pdf
机器学习(西瓜书)周志华
标签:人工智能机器学习算法
积分:1 类型:技术书籍上传者:sigma上传时间:2020-08-30
简介:《机器学习》作者:周志华,2016年出版 机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材,在内容上尽可能涵盖机器学习基础知识的各方面。 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识. 然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究生, 以及具有类似背景的对机器学 习感兴趣的人士. 为方便读者, 本书附录给出了一些相关数学基础知识简介。 全书共16 章,大致分为3 个部分:第1 部分(第1~3 章)介绍机器学习的基础知识;第2 部分(第4~10 章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习);第3 部分(第11~16 章)为进阶知识,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等.前3章之外的后续各章均相对独立, 读者可根据自己的兴趣和时间情况选择使用. 根据课时情况, 一个学期的本科生课程可考虑讲授前9章或前10章; 研究生课程则不妨使用全书。
pdf
图解机器学习
标签:机器学习
积分:1 类型:技术书籍上传者:sigma上传时间:2018-03-29
简介:《图解机器学习》作者:杉山将,译者:许永伟,2015年出版。 《图解机器学习》用丰富的图示,从最小二乘法出发,对基于最小二乘法实现的各种机器学习算法进行了详细的介绍。第Ⅰ部分介绍了机器学习领域的概况;第Ⅱ部分和第Ⅲ部分分别介绍了各种有监督的回归算法和分类算法;第Ⅳ部分介绍了各种无监督学习算法;第Ⅴ部分介绍了机器学习领域中的新兴算法。书中大部分算法都有相应的MATLAB程序源代码,可以用来进行简单的测试。 本书适合所有对机器学习有兴趣的初学者阅读。
pdf
Understanding Machine Learning:From Theory to Algorithms
标签:AI人工智能、机器学习
积分:1 类型:技术书籍上传者:lamaba上传时间:2018-03-30
简介:《Understanding Machine Learning:From Theory to Algorithms》深入理解机器学习:从原理到算法,作者:Shai Shalev-Shwartz / Shai Ben-David,2014年出版。 Machine learning is one of the fastest growing areas of computer science, with far-reaching applications. The aim of this textbook is to introduce machine learning, and the algorithmic paradigms it offers, in a principled way. The book provides an extensive theoretical account of the fundamental ideas underlying machine learning and the mathematical derivations that transform these principles into practical algorithms. Following a presentation of the basics of the field, the book covers a wide array of central topics that have not been addressed by previous textbooks.
pdf
机器学习:实用案例解析
标签:AI人工智能、机器学习
积分:1 类型:技术书籍上传者:lamaba上传时间:2018-03-30
简介:《机器学习:实用案例解析》作者:(美)Drew Conway / John Myles White,译者: 陈开江 / 刘逸哲 / 孟晓楠 / 罗森林 审校,2013年出版。 机器学习是计算机科学和人工智能中非常重要的一个研究领域,近年来,机器学习不但在计算机科学的众多领域中大显身手,而且成为一些交叉学科的重要支撑技术。本书比较全面系统地介绍了机器学习的方法和技术,不仅详细阐述了许多经典的学习方法,还讨论了一些有生命力的新理论、新方法。 全书案例既有分类问题,也有回归问题;既包含监督学习,也涵盖无监督学习。本书讨论的案例从分类讲到回归,然后讨论了聚类、降维、最优化问题等。这些案例包括分类:垃圾邮件识别,排序:智能收件箱,回归模型:预测网页访问量,正则化:文本回归,最优化:密码破解,无监督学习:构建股票市场指数,空间相似度:用投票记录对美国参议员聚类,推荐系统:给用户推荐R语言包,社交网络分析:在Twitter上感兴趣的人,模型比较:给你的问题找到最佳算法。各章对原理的叙述力求概念清晰、表达准确,突出理论联系实际,富有启发性,易于理解。在探索这些案例的过程中用到的基本工具就是R统计编程语言。R语言非常适合用于机器学习的案例研究,因为它是一种用于数据分析的高水平、功能性脚本语言。 本书主要内容: ·开发一个朴素贝叶斯分类器,仅仅根据邮件的文本信息来判断这封邮件是否是垃圾邮件; ·使用线性回归来预测互联网排名前1000网站的PV; ·利用文本回归理解图书中词与词之间的关系; ·通过尝试破译一个简单的密码来学习优化技术; ·利用无监督学习构建股票市场指数,用于衡量整体市场行情的好坏; ·根据美国参议院的投票情况,从统计学的角度对美国参议员聚类; ·通过K近邻算法构建向用户推荐R语言包; ·利用Twitter数据来构建一个“你可能感兴趣的人”的推荐系统; ·模型比较:给你的问题找到最佳算法。
pdf
机器学习实战
标签:人工智能机器学习
积分:1 类型:技术书籍上传者:crazyjackson上传时间:2019-12-10
简介:《机器学习实战》作者:Peter Harrington,译者:李锐 / 李鹏 / 曲亚东 / 王斌,2013年出版。 机器学习是人工智能研究领域中一个极其重要的研究方向,在现今的大数据时代背景下,捕获数据并从中萃取有价值的信息或模式,成为各行业求生存、谋发展的决定性手段,这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。 本书第一部分主要介绍机器学习基础,以及如何利用算法进行分类,并逐步介绍了多种经典的监督学习算法,如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树(CART)算法等。第三部分则重点介绍无监督学习及其一些主要算法:k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例,切入日常工作任务,摒弃学术化语言,利用高效的可复用Python代码来阐释如何处理统计数据,进行数据分析及可视化。通过各种实例,读者可从中学会机器学习的核心算法,并能将其运用于一些策略性任务中,如分类、预测、推荐。另外,还可用它们来实现一些更高级的功能,如汇总和简化等。
pdf
Machine Learning in Action
标签:机器学习Machine Learning
积分:1 类型:技术书籍上传者:toothache上传时间:2021-02-26
简介:机器学习实战《Machine Learning in Action》,作者:Peter Harrington,本书于2012年出版。 Machine Learning in Action is a unique book that blends the foundational theories of machine learning with the practical realities of building tools for everyday data analysis. In it, you\'ll use the flexible Python programming language to build programs that implement algorithms for data classification, forecasting, recommendations, and higher-level features like summarization and simplification.
pdf
Hands-On Machine Learning with Scikit-Learn and TensorFlow
标签:机器学习
积分:1 类型:技术书籍上传者:toothache上传时间:2021-02-26
简介:机器学习实战:基于Scikit-Learn和TensorFlow,《Hands-On Machine Learning with Scikit-Learn and TensorFlow:Concepts, Tools, and Techniques to Build Intelligent Systems》,作者:Aurélien Géron,2017年出版。
pdf
精通机器学习:基于R(第2版)
标签:机器学习R语言大数据
积分:1 类型:技术书籍上传者:sigma上传时间:2018-05-02
简介:《精通机器学习:基于R(第2版)》作者:[美] Cory Lesmeister,译者:陈光欣,2018年出版。 机器学习是近年来的热门技术话题,R语言是处理其中大量数据的有力工具。本书为读者提供机器学习和R语言的坚实算法基础和业务基础,内容包括机器学习基本概念、线性回归、逻辑回归和判别分析、线性模型的高级选择特性、K最近邻和支持向量机等,力图平衡实践中的技术和理论两方面。
pdf
R语言实战——机器学习与数据分析
标签:R语言机器学习数据分析
积分:1 类型:技术书籍上传者:solarelec上传时间:2018-11-07
简介:《R语言实战——机器学习与数据分析》作者:左飞,2016年出版。 经典统计理论和机器学习方法为数据挖掘提供了必要的分析技术。《R语言实战——机器学习与数据分析》系统地介绍统计分析和机器学习领域中最为重要和流行的多种技术及其基本原理,在详解有关算法的基础上,结合大量R语言实例演示了这些理论在实践中的使用方法。具体内容被分成三个部分,即R语言编程基础、基于统计的数据分析方法以及机器学习理论。统计分析与机器学习部分又具体介绍了参数估计、假设检验、极大似然估计、非参数检验方法(包括列联分析、符号检验、符号秩检验等)、方差分析、线性回归(包括岭回归和Lasso方法)、逻辑回归、支持向量机、聚类分析(包括K均值算法和EM算法)和人工神经网络等内容。同时,统计理论的介绍也为深化读者对于后续机器学习部分的理解提供了很大助益。知识结构和阅读进度的安排上既兼顾了循序渐进的学习规律,亦统筹考虑了夯实基础的必要性。《R语言实战——机器学习与数据分析》内容与实际应用结合紧密,又力求突出深入浅出、系统翔实之特色,对算法原理的解释更是细致入微。 《R语言实战——机器学习与数据分析》非常适合大专院校相关专业师生自学研究之用,亦可作为数据分析和数据挖掘相关领域从业人员的参考指导用书。
pdf
神经网络与机器学习(原书第3版)
标签:神经网络机器学习
积分:1 类型:技术书籍上传者:sigma上传时间:2021-02-19
简介:《神经网络与机器学习(原书第3版)》作者:[加] Simon Haykin,译者: 申富饶 / 徐烨 / 郑俊 / 晁静,2011年出版。 本书是关于神经网络的全面的、彻底的、可读性很强的、最新的论述。全书共15章,主要内容包括rosenblatt感知器、通过回归建立模型、最小均方算法、多层感知器、核方法和径向基函数网络、支持向量机、正则化理论、主分量分析、自组织映射、信息论学习模型、动态规划、神经动力学、动态系统状态估计的贝叶斯滤波等。 本书适合作为高等院校计算机相关专业研究生及本科生的教材,也可供相关领域的工程技术人员参考。
pdf
Python机器学习及实践:从零开始通往Kaggle竞赛之路
标签:pythonkaggle机器学习数据挖掘
积分:1 类型:技术书籍上传者:sigma上传时间:2020-08-30
简介:《Python机器学习及实践:从零开始通往Kaggle竞赛之路》作者:范淼 / 李超,2016年出版。 Python机器学习及实践面向所有对机器学习与数据挖掘的实践及竞赛感兴趣的读者,从零开始,以Python编程语言为基础,在不涉及大量数学模型与复杂编程知识的前提下,逐步带领读者熟悉并且掌握当下流行的机器学习、数据挖掘与自然语言处理工具,如Scikit-learn、NLTK、Pandas、gensim、XGBoost、Google Tensorflow等。 全书共分4章。第1章简介篇,介绍机器学习概念与Python编程知识;第2章基础篇,讲述如何使用Scikit-learn作为基础机器学习工具;第3章进阶篇,涉及怎样借助高级技术或者模型进一步提升既有机器学习系统的性能;第4章竞赛篇,以Kaggle平台为对象,帮助读者一步步使用本书介绍过的模型和技巧,完成三项具有代表性的竞赛任务。 Python机器学习及实践 目录 第1章 简介篇 第2章 基础篇 第3章 进阶篇 第4章 实战篇
pdf
机器学习实践指南:案例应用解析(第2版)
标签:机器学习、人工智能、计算机
积分:1 类型:技术书籍上传者:nkyqsl上传时间:2018-11-07
简介:《机器学习实践指南:案例应用解析(第2版)》作者:麦好,2016年出版。 《机器学习实践指南》第2版比第1版增加了更多的案例和算法解析,全书详细介绍了机器学习发展及应用前景、科学计算平台、Python计算平台应用、R语言计算平台应用、生产环境基础、统计分析基础、描述性分析案例、假设检验与回归模型案例、神经网络、统计算法、欧氏距离与余弦相似度、SVM、回归算法、PCA降维、关联规则、聚类与分类算法、数据拟合案例、图像算法案例、机器视觉案例、文本分类案例等机器学习实践与应用。
rar
百面机器学习:算法工程师带你去
标签:机器学习算法工程师
积分:1 类型:技术书籍上传者:aerobotics上传时间:2021-02-26
简介:《百面机器学习:算法工程师带你去》诸葛越主编,葫芦娃著,2018年出版。 人工智能领域正在以超乎人们想象的速度发展,本书赶在人工智能彻底“占领”世界之前完成编写,实属万幸。 书中收录了超过100 道机器学习算法工程师的面试题目和解答,其中大部分源于Hulu算法研究岗位的真实场景。本书从日常工作、生活中各种有趣的现象出发,不仅囊括了机器学习的基本知识,而且还包含了成为优秀算法工程师的相关技能,更重要的是凝聚了笔者对人工智能领域的→颗热忱之心,旨在培养读者发现问题、解决问题、扩展问题的能力,建立对机器学习的热爱,共绘入工智能世界的宏伟蓝图。 “不积旺步,无以至千里”,本书将从特征,工程、模型评估、降维等经典机器学习领域出发,构建一个算法工程师必备的知识体系;见神经网络、强化学习、生成对抗网络等最新科研进展之微,知机器学习领域胜败兴衰之若;“博观而约取,厚积而薄发”, 在最后一章为读者展示生活中各种引领时代的人工智能应用。

评论

登录/注册

意见反馈

求资源

回顶部

最新下载

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版 版权声明

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2021 EEWORLD.com.cn, Inc. All rights reserved
$(function(){ var appid = $(".select li a").data("channel"); $(".select li a").click(function(){ var appid = $(this).data("channel"); $('.select dt').html($(this).html()); $('#channel').val(appid); }) })
×

已收藏到:个人中心—我的下载—收藏