機(jī)器學(xué)習(xí)周志華版是一本機(jī)械電子類的參考書，周志華的《機(jī)器學(xué)習(xí)》作為通讀教材，不用深入，大概了解機(jī)器學(xué)習(xí)來(lái)龍去脈，可以作為大學(xué)的教材參考書。本平臺(tái)提供最新機(jī)器學(xué)習(xí)周志華版學(xué)習(xí)筆記下載！

圖書介紹

《機(jī)器學(xué)習(xí)》，清華大學(xué)出版社出版，作者：周志華?！稒C(jī)器學(xué)習(xí)》是計(jì)算機(jī)科學(xué)與人工智能的重要分支領(lǐng)域。

《機(jī)器學(xué)習(xí)》作為該領(lǐng)域的入門教材，在內(nèi)容上盡可能涵蓋機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)的各方面。

全書共16章，大致分為3個(gè)部分：

第1 部分（第1～3 章）介紹機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)；

第2部分（第4～10章）討論一些經(jīng)典而常用的機(jī)器學(xué)習(xí)方法（決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維與度量學(xué)習(xí)）；

第3 部分（第11～16章）為進(jìn)階知識(shí)，內(nèi)容涉及特征選擇與稀疏學(xué)習(xí)、計(jì)算學(xué)習(xí)理論、半監(jiān)督學(xué)習(xí)、概率圖模型、規(guī)則學(xué)習(xí)以及強(qiáng)化學(xué)習(xí)等。

每章都附有習(xí)題并介紹了相關(guān)閱讀材料，以便有興趣的讀者進(jìn)一步鉆研探索

《機(jī)器學(xué)習(xí)》可作為高等院校計(jì)算機(jī)、自動(dòng)化及相關(guān)專業(yè)的本科生或研究生教材，也可供對(duì)機(jī)器學(xué)習(xí)感興趣的研究人員和工程技術(shù)人員閱讀參考。

《機(jī)器學(xué)習(xí)》圖書目錄

第1章 1

1.1 引言 1

1.2 基本術(shù) 2

1.3 假設(shè)空間 4

1.4 歸納偏好 6

1.5 發(fā)展歷程 10

1.6 應(yīng)用現(xiàn)狀 13

1.7 閱讀材料 16

習(xí)題 19

參考文獻(xiàn) 20

休息一會(huì)兒 22

第2章 模型評(píng)估與選擇 23

2.1 經(jīng)驗(yàn)誤差與過(guò)擬合 23

2.2 評(píng)估方法 24

2.2.1 留出法 25

2.2.2 交叉驗(yàn)證法 26

2.2.3 自助法 27

2.2.4 調(diào)參與最終模型 28

2.3 性能度量 28

2.3.1 錯(cuò)誤率與精度 29

2.3.2 查準(zhǔn)率、查全率與F1 30

2.3.3 ROC與AUC 33

2.3.4 代價(jià)敏感錯(cuò)誤率與代價(jià)曲線 35

2.4 比較檢驗(yàn) 37

2.4.1 假設(shè)檢驗(yàn) 37

2.4.2 交叉驗(yàn)證t檢驗(yàn) 40

2.4.3 McNemar檢驗(yàn) 41

2.4.4 Friedman檢驗(yàn)與后續(xù)檢驗(yàn) 42

2.5 偏差與方差 44

2.6 閱讀材料 46

習(xí)題 48

參考文獻(xiàn) 49

休息一會(huì)兒 51

第3章 線性模型 53

3.1 基本形式 53

3.2 線性回歸 53

3.3 對(duì)數(shù)幾率回歸 57

3.4 線性判別分析 60

3.5 多分類學(xué)習(xí) 63

3.6 類別不平衡問(wèn)題 66

3.7 閱讀材料 67

習(xí)題 69

參考文獻(xiàn) 70

休息一會(huì)兒 72

第4章 決策樹 73

4.1 基本流程 73

4.2 劃分選擇 75

4.2.1 信息增益 75

4.2.2 增益率 77

4.2.3 基尼指數(shù) 79

4.3 剪枝處理 79

4.3.1 預(yù)剪枝 80

4.3.2 后剪枝 82

4.4 連續(xù)與缺失值 83

4.4.1 連續(xù)值處理 83

4.4.2 缺失值處理 85

4.5 多變量決策樹 88

4.6 閱讀材料 92

習(xí)題 93

參考文獻(xiàn) 94

休息一會(huì)兒 95

第5章 神經(jīng)網(wǎng)絡(luò) 97

5.1 神經(jīng)元模型 97

5.2 感知機(jī)與多層網(wǎng)絡(luò) 98

5.3 誤差逆?zhèn)鞑ニ惴?101

5.4 全局最小與局部極小 106

5.5 其他常見(jiàn)神經(jīng)網(wǎng)絡(luò) 108

5.5.1 RBF網(wǎng)絡(luò) 108

5.5.2 ART網(wǎng)絡(luò) 108

5.5.3 SOM網(wǎng)絡(luò) 109

5.5.4 級(jí)聯(lián)相關(guān)網(wǎng)絡(luò) 110

5.5.5 Elman網(wǎng)絡(luò) 111

5.5.6 Boltzmann機(jī) 111

5.6 深度學(xué)習(xí) 113

5.7 閱讀材料 115

習(xí)題 116

參考文獻(xiàn) 117

休息一會(huì)兒 120

第6章 支持向量機(jī) 121

6.1 間隔與支持向量 121

6.2 對(duì)偶問(wèn)題 123

6.3 核函數(shù) 126

6.4 軟間隔與正則化 129

6.5 支持向量回歸 133

6.6 核方法 137

6.7 閱讀材料 139

習(xí)題 141

參考文獻(xiàn) 142

休息一會(huì)兒 145

第7章 貝葉斯分類器 147

7.1 貝葉斯決策論 147

7.2 極大似然估計(jì) 149

7.3 樸素貝葉斯分類器 150

7.4 半樸素貝葉斯分類器 154

7.5 貝葉斯網(wǎng) 156

7.5.1 結(jié)構(gòu) 157

7.5.2 學(xué)習(xí) 159

7.5.3 推斷 161

7.6 EM算法 162

7.7 閱讀材料 164

習(xí)題 166

參考文獻(xiàn) 167

休息一會(huì)兒 169

第8章 集成學(xué)習(xí) 171

8.1 個(gè)體與集成 171

8.2 Boosting 173

8.3 Bagging與隨機(jī)森林 178

8.3.1 Bagging 178

8.3.2 隨機(jī)森林 179

8.4 結(jié)合策略 181

8.4.1 平均法 181

8.4.2 投票法 182

8.4.3 學(xué)習(xí)法 183

8.5 多樣性 185

8.5.1 誤差–分歧分解 185

8.5.2 多樣性度量 186

8.5.3 多樣性增強(qiáng) 188

8.6 閱讀材料 190

習(xí)題 192

參考文獻(xiàn) 193

休息一會(huì)兒 196

第9章 聚類 197

9.1 聚類任務(wù) 197

9.2 性能度量 197

9.3 距離計(jì)算 199

9.4 原型聚類 202

9.4.1 k均值算法 202

9.4.2 學(xué)習(xí)向量量化 204

9.4.3 高斯混合聚類 206

9.5 密度聚類 211

9.6 層次聚類 214

9.7 閱讀材料 217

習(xí)題 220

參考文獻(xiàn) 221

休息一會(huì)兒 224

第10章 降維與度量學(xué)習(xí) 225

10.1 k近鄰學(xué)習(xí) 225

10.2 低維嵌入 226

10.3 主成分分析 229

10.4 核化線性降維 232

10.5 流形學(xué)習(xí) 234

10.5.1 等度量映射 234

10.5.2 局部線性嵌入 235

10.6 度量學(xué)習(xí) 237

10.7 閱讀材料 240

習(xí)題 242

參考文獻(xiàn) 243

休息一會(huì)兒 246

第11章 特征選擇與稀疏學(xué)習(xí) 247

11.1 子集搜索與評(píng)價(jià) 247

11.2 過(guò)濾式選擇 249

11.3 包裹式選擇 250

11.4 嵌入式選擇與L$_1$正則化 252

11.5 稀疏表示與字典學(xué)習(xí) 254

11.6 壓縮感知 257

11.7 閱讀材料 260

習(xí)題 262

參考文獻(xiàn) 263

休息一會(huì)兒 266

第12章 計(jì)算學(xué)習(xí)理論 267

12.1 基礎(chǔ)知識(shí) 267

12.2 PAC學(xué)習(xí) 268

12.3 有限假設(shè)空間 270

12.3.1 可分情形 270

12.3.2 不可分情形 272

12.4 VC維 273

12.5 Rademacher復(fù)雜度 279

12.6 穩(wěn)定性 284

12.7 閱讀材料 287

習(xí)題 289

參考文獻(xiàn) 290

休息一會(huì)兒 292

第13章 半監(jiān)督學(xué)習(xí) 293

13.1 未標(biāo)記樣本 293

13.2 生成式方法 295

13.3 半監(jiān)督SVM 298

13.4 圖半監(jiān)督學(xué)習(xí) 300

13.5 基于分歧的方法 304

13.6 半監(jiān)督聚類 307

13.7 閱讀材料 311

習(xí)題 313

參考文獻(xiàn) 314

休息一會(huì)兒 317

第14章 概率圖模型 319

14.1 隱馬爾可夫模型 319

14.2 馬爾可夫隨機(jī)場(chǎng) 322

14.3 條件隨機(jī)場(chǎng) 325

14.4 學(xué)習(xí)與推斷 328

14.4.1 變量消去 328

14.4.2 信念傳播 330

14.5 近似推斷 331

14.5.1 MCMC采樣 331

14.5.2 變分推斷 334

14.6 話題模型 337

14.7 閱讀材料 339

習(xí)題 341

參考文獻(xiàn) 342

休息一會(huì)兒 345

第15章 規(guī)則學(xué)習(xí) 347

15.1 基本概念 347

15.2 序貫覆蓋 349

15.3 剪枝優(yōu)化 352

15.4 一階規(guī)則學(xué)習(xí) 354

15.5 歸納邏輯程序設(shè)計(jì) 357

15.5.1 最小一般泛化 358

15.5.2 逆歸結(jié) 359

15.6 閱讀材料 363

習(xí)題 365

參考文獻(xiàn) 366

休息一會(huì)兒 369

第16章 強(qiáng)化學(xué)習(xí) 371

16.1 任務(wù)與獎(jiǎng)賞 371

16.2 $K$-搖臂機(jī) 373

16.2.1 探索與利用 373

16.2.2 $\epsilon $-貪心 374

16.2.3 Softmax 375

16.3 有模型學(xué)習(xí) 377

16.3.1 策略評(píng)估 377

16.3.2 策略改進(jìn) 379

16.3.3 策略迭代與值迭代 381

16.4 免模型學(xué)習(xí) 382

16.4.1 蒙特卡羅強(qiáng)化學(xué)習(xí) 383

16.4.2 時(shí)序差分學(xué)習(xí) 386

16.5 值函數(shù)近似 388

16.6 模仿學(xué)習(xí) 390

16.6.1 直接模仿學(xué)習(xí) 391

16.6.2 逆強(qiáng)化學(xué)習(xí) 391

16.7 閱讀材料 393

習(xí)題 394

參考文獻(xiàn) 395

休息一會(huì)兒 397

附錄 399

A 矩陣 399

B 優(yōu)化 403

C 概率分布 409

后記 417

索引 419