

本書特色
◎ 一本讓你打下最紮實基礎的機器學習數學書
◎ 理論及實作並重,全盤了解機器學習
◎ 一本讓你打下最紮實基礎的機器學習數學書
◎ 理論及實作並重,全盤了解機器學習
內容簡介
內容簡介
本書重點
◎ 一本讓你打下最紮實基礎的機器學習數學書
◎ 理論及實作並重,全盤了解機器學習
◎ 線性、非線性、整合模型說明
◎ 線性回歸怎麼來的,邏輯回歸怎麼走的,正規化
◎ 支援向量機精華,決策樹以及單純貝氏定理
◎ 神經網路及正反向傳播的推導
◎ 整合學習的來龍去脈,隨機森林和提升樹
◎ xgboost極度梯度提升
本書主要內容
學習並精通任何一門學科無外乎要經過四個步驟:它是什麼?它可行嗎?怎麼學它?如何學好它?機器學習也不例外,本書就以這四個步驟來介紹機器學習。
每一章都以通俗的引言開始,吸引讀者;以精美的思維導圖過渡,讓說明想法更清晰;以簡要的歸納結束,讓讀者加強所學的知識。理論和實作相結合,既有嚴謹的數學推導,又有多樣(Python 和MATLAB)的程式展示,圖文並茂。
前3 章屬於機器學習的概述。作者在這3 章花費的時間最多,絕對讓讀者有所收穫。
第4~14 章介紹「如何學好機器學習」,重點介紹機器學習的各種演算法和調參技巧。
第1章「機器學習是什麼」,從定義開始,詳細介紹機器學習有關的知識、資料和效能度量。
第2章「機器學習可行嗎」,介紹機器具備學習樣本以外的資料的能力。
第3章「機器學習怎麼學」,介紹機器如何選擇出最佳模型。
第4~8章 介紹線性模型,包含線性回歸模型、對率回歸模型、正規化回歸模型、支援向量機模型。
第9~11章 介紹非線性模型,包含單純貝氏模型、決策樹模型、類神經網路模型、正向/反向傳播模型。
第12~14章 介紹整合模型,包含隨機森林模型、提升樹模型、極度梯度提升模型。
第15章 介紹機器學習中的一些非常實用的經驗,包括學習策略、目標設定、誤差分析、偏差和方差分析。
適合讀者群:機器學習初學者、對機器學習感興趣者,或大專院校相關科系學生。
本書重點
◎ 一本讓你打下最紮實基礎的機器學習數學書
◎ 理論及實作並重,全盤了解機器學習
◎ 線性、非線性、整合模型說明
◎ 線性回歸怎麼來的,邏輯回歸怎麼走的,正規化
◎ 支援向量機精華,決策樹以及單純貝氏定理
◎ 神經網路及正反向傳播的推導
◎ 整合學習的來龍去脈,隨機森林和提升樹
◎ xgboost極度梯度提升
本書主要內容
學習並精通任何一門學科無外乎要經過四個步驟:它是什麼?它可行嗎?怎麼學它?如何學好它?機器學習也不例外,本書就以這四個步驟來介紹機器學習。
每一章都以通俗的引言開始,吸引讀者;以精美的思維導圖過渡,讓說明想法更清晰;以簡要的歸納結束,讓讀者加強所學的知識。理論和實作相結合,既有嚴謹的數學推導,又有多樣(Python 和MATLAB)的程式展示,圖文並茂。
前3 章屬於機器學習的概述。作者在這3 章花費的時間最多,絕對讓讀者有所收穫。
第4~14 章介紹「如何學好機器學習」,重點介紹機器學習的各種演算法和調參技巧。
第1章「機器學習是什麼」,從定義開始,詳細介紹機器學習有關的知識、資料和效能度量。
第2章「機器學習可行嗎」,介紹機器具備學習樣本以外的資料的能力。
第3章「機器學習怎麼學」,介紹機器如何選擇出最佳模型。
第4~8章 介紹線性模型,包含線性回歸模型、對率回歸模型、正規化回歸模型、支援向量機模型。
第9~11章 介紹非線性模型,包含單純貝氏模型、決策樹模型、類神經網路模型、正向/反向傳播模型。
第12~14章 介紹整合模型,包含隨機森林模型、提升樹模型、極度梯度提升模型。
第15章 介紹機器學習中的一些非常實用的經驗,包括學習策略、目標設定、誤差分析、偏差和方差分析。
適合讀者群:機器學習初學者、對機器學習感興趣者,或大專院校相關科系學生。
產品目錄
前言
01 | 機器學習是什麼--機器學習定義
1.1 資料
1.2 機器學習類別
1.3 效能度量
1.4 歸納
參考資料
02 | 機器學習可行嗎--計算學習理論
2.1 基礎知識
2.2 核心推導
2.3 結論應用
2.4 歸納
參考資料
技術附錄
03 | 機器學習怎麼學--模型評估選擇
3.1 模型評估
3.2 訓練誤差和測試誤差
3.3 驗證誤差和交換驗證誤差
3.4 誤差剖析
3.5 模型選擇
3.6 歸納
參考資料
技術附錄
04 | 線性回歸
4.1 基礎知識
4.2 模型介紹
4.3 歸納
參考資料
05 | 邏輯回歸
5.1 基礎內容
5.2 模型介紹
5.3 歸納
參考資料
06 | 正規化回歸
6.1 基礎知識
6.2 模型介紹
6.3 歸納
參考資料
07 | 支援向量機
7.1 基礎知識
7.2 模型介紹
7.3 歸納
參考資料
技術附錄
08 | 單純貝氏
8.1 基礎知識
8.2 模型介紹
8.3 歸納
參考資料
技術附錄
09 | 決策樹
9.1 基礎知識
9.2 模型介紹
9.3 歸納
參考資料
10 | 類神經網路
10.1 基礎
10.2 模型應用
11 | 正向/反向傳播
11.1 基礎知識
11.2 演算法介紹
11.3 歸納
參考資料
技術附錄
12 | 整合學習
12.1 結合假設
12.2 裝袋法
12.3 提升法
12.4 整合方式
12.5 歸納
參考資料
13 | 隨機森林和提升樹
13.1 基礎知識
13.2 模型介紹
13.3 歸納
參考資料
14 | 極度梯度提升
14.1 基礎知識
14.2 模型介紹
14.3 歸納
參考資料
15 | 本書歸納
15.1 正交策略
15.2 單值評估指標
15.3 偏差和方差
A | 結語
01 | 機器學習是什麼--機器學習定義
1.1 資料
1.2 機器學習類別
1.3 效能度量
1.4 歸納
參考資料
02 | 機器學習可行嗎--計算學習理論
2.1 基礎知識
2.2 核心推導
2.3 結論應用
2.4 歸納
參考資料
技術附錄
03 | 機器學習怎麼學--模型評估選擇
3.1 模型評估
3.2 訓練誤差和測試誤差
3.3 驗證誤差和交換驗證誤差
3.4 誤差剖析
3.5 模型選擇
3.6 歸納
參考資料
技術附錄
04 | 線性回歸
4.1 基礎知識
4.2 模型介紹
4.3 歸納
參考資料
05 | 邏輯回歸
5.1 基礎內容
5.2 模型介紹
5.3 歸納
參考資料
06 | 正規化回歸
6.1 基礎知識
6.2 模型介紹
6.3 歸納
參考資料
07 | 支援向量機
7.1 基礎知識
7.2 模型介紹
7.3 歸納
參考資料
技術附錄
08 | 單純貝氏
8.1 基礎知識
8.2 模型介紹
8.3 歸納
參考資料
技術附錄
09 | 決策樹
9.1 基礎知識
9.2 模型介紹
9.3 歸納
參考資料
10 | 類神經網路
10.1 基礎
10.2 模型應用
11 | 正向/反向傳播
11.1 基礎知識
11.2 演算法介紹
11.3 歸納
參考資料
技術附錄
12 | 整合學習
12.1 結合假設
12.2 裝袋法
12.3 提升法
12.4 整合方式
12.5 歸納
參考資料
13 | 隨機森林和提升樹
13.1 基礎知識
13.2 模型介紹
13.3 歸納
參考資料
14 | 極度梯度提升
14.1 基礎知識
14.2 模型介紹
14.3 歸納
參考資料
15 | 本書歸納
15.1 正交策略
15.2 單值評估指標
15.3 偏差和方差
A | 結語
規格
誠品貨碼 / 2681882938001
ISBN13 / 9789865501327
ISBN10 / 9865501325
EAN貨碼 / 9789865501327
頁數 / 448
注音版 / 否
裝訂 / P:平裝
語言 / 1:中文/繁體
尺寸 / 23X17CM
級別 / N:無
重量(g) / 949.6g
退貨說明
退貨須知:
- 依照消費者保護法的規定,您享有商品貨到次日起七天猶豫期(含例假日)的權益(請注意!猶豫期非試用期),辦理退貨之商品必須是全新狀態(不得有刮傷、破損、受潮)且需完整(包含全部商品、配件、原廠內外包裝、贈品及所有附隨文件或資料的完整性等)。
- 請您以送貨廠商使用之包裝紙箱將退貨商品包裝妥當,若原紙箱已遺失,請另使用其他紙箱包覆於商品原廠包裝之外,切勿直接於原廠包裝上黏貼紙張或書寫文字。若原廠包裝損毀將可能被認定為已逾越檢查商品之必要程度,本公司得依毀損程度扣除回復原狀必要費用(整新費)後退費;請您先確認商品正確、外觀可接受,再行拆封,以免影響您的權利;若為產品瑕疵,本公司接受退貨。
依「通訊交易解除權合理例外情事適用準則」,下列商品不適用七日猶豫期,除產品本身有瑕疵外,不接受退貨:
- 易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮蔬果、乳製品、冷凍冷藏食材、蛋糕)
- 依消費者要求所為之客製化給付。(如:客製印章、鋼筆刻字)
- 報紙、期刊或雜誌。
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務,經消費者事先同意始提供。(如:電子書)
- 已拆封之個人衛生用品。(如:內衣褲、襪類、褲襪、刮鬍刀、除毛刀等貼身用品)
- 國際航空客運服務。
若您退貨時有下列情形,可能被認定已逾越檢查商品之必要程度而須負擔為回復原狀必要費用(整新費),或影響您的退貨權利,請您在拆封前決定是否要退貨:
- 以數位或電磁紀錄形式儲存或著作權相關之商品(包含但不限於CD、VCD、DVD、電腦軟體等) 包裝已拆封者(除運送用之包裝以外)。
- 耗材(包含但不限於墨水匣、碳粉匣、紙張、筆類墨水、清潔劑補充包等)之商品包裝已拆封者(除運送用之包裝以外)。
- 衣飾鞋類/寢具/織品(包含但不限於衣褲、鞋子、襪子、泳裝、床單、被套、填充玩具)或之商品缺件(含購買商品、附件、內外包裝、贈品等)或經剪標或下水或商品有不可回復之髒污或磨損痕跡。
- 食品、美容/保養用品、內衣褲等消耗性或個人衛生用品、商品銷售頁面上特別載明之商品已拆封者(除運送用之包裝外一切包裝、包括但不限於瓶蓋、封口、封膜等接觸商品內容之包裝部分)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 家電、3C、畫作、電子閱讀器等商品,除商品本身有瑕疵外,退回之商品已拆封(除運送用之包裝外一切包裝、包括但不限於封膜等接觸商品內容之包裝部分、移除封條、拆除吊牌、拆除貼膠或標籤等情形)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 退貨程序請參閱【客服專區→常見問題→誠品線上退貨退款】之說明。
付款/配送



