機器學習的公式推導和程式實作

作者：魯偉

書號： ACD023000

出版日： 2024/03/21

ISBN： 9786263245365

EAN： 9786263245365

紙本書價格： 580

附件：無

電子書：

尚未出版

博客來

金石堂

天瓏

MOMO

團體購書

回頁首

進行機器學習的開發時，精通相關數學理論是關鍵的基礎。本書基於對所有機器學習演算法的系統分類，詳細介紹了監督學習單模型、監督學習集成模型、無監督學習模型、概率模型等四大類共26個經典演算法，並進行詳細的公式推導和程式碼實現。旨在協助讀者充分了解演算法細節、實現方法和內在邏輯。

本書適合數理基礎扎實的初學者，也適合深入學習的進階者閱讀，同時可作為機器學習領域的參考書籍。

回頁首

魯偉
深度學習演算法工程師，主要從事醫療數據分析、醫學圖像處理和深度學習應用相關研究與工作。著有《深度學習筆記》一書，也是機器學習實驗室的主持人。

回頁首

第一部分：入門篇
第 1 章機器學習預備知識

第二部分：監督學習單模型
第 2 章線性迴歸
第 3 章邏輯迴歸
第 4 章迴歸模型擴展
第 5 章線性判別分析
第 6 章 k 近鄰演算法
第 7 章決策樹
第 8 章神經網路
第 9 章支援向量機

第三部分：監督學習整合模型
第 10 章 AdaBoost
第 11 章 GBDT
第 12 章 XGBoost
第 13 章 LightGBM
第 14 章 CatBoost
第 15 章隨機森林
第 16 章整合學習：對比與調參

第四部分：無監督學習模型
第 17 章聚類分析與 k 均值聚類演算法
第 18 章主成分分析
第 19 章奇異值分解

第五部分：機率模型
第 20 章最大訊息熵模型
第 21 章貝氏機率模型
第 22 章 EM 演算法
第 23 章隱馬可夫模型
第 24 章條件隨機場
第 25 章馬可夫鏈蒙地卡羅方法

第六部分：總結
第 26 章機器學習模型總結

參考文獻

回頁首

用Python快速上手資料分析與機器學習第二版圖解演算法原理白話機器學習