机器学习

标签

这部著作定位为机器学习领域的入门教材，力求在尽量涵盖核心概念的同时，减少对复杂数学的直接依赖。尽管如此，读者仍会接触到概率、统计、线性代数、优化与逻辑等基础知识，因此比较适合理工科本科三年级及以上阶段的学生、研究生，以及具备相关背景且对机器学习感兴趣的人群。为方便学习，书中附有一个简短的数学基础知识附录，帮助读者补充相关背景。 全书共有16章，分为三大部分：第一部分（第1～3章）介绍机器学习的基本原理与思路；第二部分（第4～10章）讨论一些经典且常用的学习方法，包括决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习等；第三部分（第11～16章）涵盖进阶内容，如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。除了第1章之外，其余各章在相对独立的层级上展开，读者可根据个人兴趣和时间安排自由选读。就课程安排而言，一门本科课程可以覆盖前9章或前10章，研究生课程则可考虑完整学习全书。 每章除了第1章外，都配有十道练习题。部分题目用于巩固本章内容，另一些则旨在引导读者拓展相关知识。一个学期内的课程可以这些练习为基础，辅以2至3个针对具体数据集的综合作业。带星号的题目通常具有较高难度，且有时并无现成答案，旨在激发具有进取心的读者进行深入思考。 总之，本书既适合作为高等院校计算机、自动化及相关专业本科生与研究生的教材，也可供对机器学习感兴趣的研究人员和工程技术人员作为参考资料。

序言
前言
如何使用本书 ——写在第十次印刷之际
主要符号表
第1章 绪论
1.1 引言
1.2 基本术语
1.3 假设空间
1.4 归纳偏好
1.5 发展历程
1.6 应用现状
1.7 阅读材料
习题
参考文献
休息一会儿
第2章 模型评估与选择
2.1 经验误差与过拟合
2.2 评估方法
2.3 性能度量
2.4 比较检验
2.5 偏差与方差
2.6 阅读材料
习题
参考文献
休息一会儿
第3章 线性模型
3.1 基本形式
3.2 线性回归
3.3 对数几率回归
3.4 线性判别分析
3.5 多分类学习
3.6 类别不平衡问题
3.7 阅读材料
习题
参考文献
休息一会儿
第4章 决策树
4.1 基本流程
4.2 划分选择
4.3 剪枝处理
4.4 连续与缺失值
4.5 多变量决策树
4.6 阅读材料
习题
参考文献
休息一会儿
第5章 神经网络
5.1 神经元模型
5.2 感知机与多层网络
5.3 误差逆传播算法
5.4 全局最小与局部极小
5.5 其他常见神经网络
5.6 深度学习
5.7 阅读材料
习题
参考文献
休息一会儿
第6章 支持向量机
6.1 间隔与支持向量
6.2 对偶问题
6.3 核函数
6.4 软间隔与正则化
6.5 支持向量回归
6.6 核方法
6.7 阅读材料
习题
参考文献
休息一会儿
第7章 贝叶斯分类器
7.1 贝叶斯决策论
7.2 极大似然估计
7.3 朴素贝叶斯分类器
7.4 半朴素贝叶斯分类器
7.5 贝叶斯网
7.6 EM算法
7.7 阅读材料
习题
参考文献
休息一会儿
第8章 集成学习
8.1 个体与集成
8.2 Boosting
8.3 Bagging与随机森林
8.4 结合策略
8.5 多样性
8.6 阅读材料
习题
参考文献
休息一会儿
第9章 聚类
9.1 聚类任务
9.2 性能度量
9.3 距离计算
9.4 原型聚类
9.5 密度聚类
9.6 层次聚类
9.7 阅读材料
习题
参考文献
休息一会儿
第10章 降维与度量学习
10.1 k近邻学习
10.2 低维嵌入
10.3 主成分分析
10.4 归纳偏好
10.5 流形学习
10.6 度量学习
10.7 阅读材料
习题
参考文献
休息一会儿
第11章 特征选择与稀疏学习
11.1 子集搜索与评价
11.2 过滤式选择
11.3包裹式选择
11.4 嵌入式选择与L1正则化
11.5 稀疏表示与字典学习
11.6 压缩感知
11.7 阅读材料
习题
参考文献
休息一会儿
第12章 计算学习理论
12.1 基础知识
12.2 PAC学习
12.3 有限假设空间
12.4 VC维
12.5 Rademacher复杂度
12.6 稳定性
12.7 阅读材料
习题
参考文献
休息一会儿
第13章 半监督学习
13.1 未标记样本
13.2 生成式方法
13.3 半监督SVM
13.4 图半监督学习
13.5 基于分歧的方法
13.6 半监督聚类
13.7 阅读材料
习题
参考文献
休息一会儿
第14章 概率图模型
14.1 隐马尔可夫模型
14.2 马尔可夫随机场
14.3 条件随机场
14.4学习与推断
14.5 近似推断
14.6 话题模型
14.7 阅读材料
习题
参考文献
休息一会儿
第15章 规则学习
15.1 基本概念
15.2 序贯覆盖
15.3 剪枝优化
15.4 一阶规则学习
15.5 归纳逻辑程序设计
15.6 阅读材料
习题
参考文献
休息一会儿
第16章 强化学习
16.1 任务与奖赏
16.2 K-摇臂赌博机
16.3 有模型学习
16.4 免模型学习
16.5 值函数近似
16.6 模仿学习
16.7 阅读材料
习题
参考文献
休息一会儿
附录
A 矩阵
B 优化
C 概率分布
后记