机器学习与优化

图书信息

作者	（意） 罗伯托·巴蒂蒂（Roberto Battiti） ,毛罗·布鲁纳托（Mauro Brunato）
出版社	人民邮电出版社
ISBN	9787115480293
出版时间	2018-05-01
字数	18.9万
分类	人民邮电出版社,科技,计算机,网络,程序设计

读书简介

本书是机器学习实战领域的一本佳作，从机器学习的基本概念讲起，旨在将初学者引机器学习的大门，并走上实践的道路。本书通过讲解机器学习中的监督学习和无监督学习，并结合特征选择和排序、聚类方法、文本和网页挖掘等热问题，论证了“优化是力量之源”这一观，为机器学习在企业中的应用提供了切实可行的操作建议。

目录

第 1 章 引言

1.1 学习与智能优化：燎原之火

1.2 寻找黄金和寻找伴侣

1.3 需要的只是数据

1.4 超越传统的商业智能

1.5 LION 方法的实施

1.6 “动手”的方法

第 2 章 懒惰学习：最近邻方法

最近邻方法

第 3 章 学习需要方法

3.1 从已标记的案例中学习：最小化和泛化

3.2 学习、验证、测试

3.3 不同类型的误差

第一部分 监督学习

第 4 章 线性模型

4.1 线性回归

4.2 处理非线性函数关系的技巧

4.3 用于分类的线性模型

4.4 大脑是如何工作的

4.5 线性模型为何普遍，为何成功

4.6 最小化平方误差和

4.7 数值不稳定性和岭回归

第 5 章 广义线性最小二乘法

5.1 拟合的优劣和卡方分布

5.2 最小二乘法与最大似然估计

5.3 置信度的自助法

附录：绘制置信区间（百分位值和箱形图）

规则、决策树和森林

6.1 构造决策树

6.2 民主与决策森林

第 7 章 特征排序及选择

7.1 特征选择：情境

7.2 相关系数

7.3 相关比

7.4 卡方检验拒绝统计独立性

7.5 熵和互信息

第 8 章 特定非线性模型

8.1 logistic回归

8.2 局部加权回归

8.3 用LASSO来缩小系数和选择输入值

第 9 章 神经网络：多层感知器

9.1 多层感知器

9.2 通过反向传播法学习

第 10 章 深度和卷积网络

10.1 深度神经网络

10.2 局部感受野和卷积网络

第 11 章 统计学习理论和支持向量机

11.1 经验风险最小化

第 12 章 最小二乘法和健壮内核机器

12.1 最小二乘支持向量机分类器

12.2 健壮加权最小二乘支持向量机

12.3 通过修剪恢复稀疏

12.4 算法改进：调谐QP、原始版本、无补偿

第 13 章 机器学习中的民主

13.1 堆叠和融合

13.2 实例操作带来的多样性：装袋法和提升法

13.3 特征操作带来的多样性

13.4 输出值操作带来的多样性：纠错码

13.5 训练阶段随机性带来的多样性

13.6 加性logistic回归

13.7 民主有助于准确率--拒绝的折中

第 14 章 递归神经网络和储备池计算

14.1 递归神经网络

14.2 能量极小化霍普菲尔德网络

14.3 递归神经网络和时序反向传播

14.4 递归神经网络储备池学习

14.5 超限学习机

第二部分 无监督学习和聚类

第 15 章 自顶向下的聚类：K 均值

15.1 无监督学习的方法

15.2 聚类：表示与度量

15.3 硬聚类或软聚类的K均值方法

第 16 章 自底向上（凝聚）聚类

16.1 合并标准以及树状图

16.2 适应点的分布距离：马氏距离

16.3 附录：聚类的可视化

第 17 章 自组织映射

17.1 将实体映射到原型的人工皮层

17.2 使用成熟的自组织映射进行分类

第 18 章 通过线性变换降维（投影）

18.1 线性投影

18.2 主成分分析

18.3 加权主成分分析：结合坐标和关系

18.4 通过比值优化进行线性判别

18.5 费希尔线性判别分析

第 19 章 通过非线性映射可视化图与网络

19.1 最小应力可视化

19.2 一维情况：谱图绘制

19.3 复杂图形分布标准

第 20 章 半监督学习

20.1 用部分无监督数据进行学习

第三部分 优化：力量之源

第 21 章 自动改进的局部方法

21.1 优化和学习

21.2 基于导数技术的一维情况

21.3 求解高维模型（二次正定型）

21.4 高维中的非线性优化

21.5 不涉及导数的技术：反馈仿射振荡器

第 22 章 局部搜索和反馈搜索优化

22.1 基于扰动的局部搜索

22.2 反馈搜索优化：搜索时学习

22.3 基于禁忌的反馈搜索优化

第 23 章 合作反馈搜索优化

23.1 局部搜索过程的智能协作

23.2 CoRSO：一个政治上的类比

23.3 CoRSO的例子：RSO与RAS合作

第 24 章 多目标反馈搜索优化

24.1 多目标优化和帕累托最优

24.2 计算机优化：循环中的用户

第四部分 应用精选

第 25 章 文本和网页挖掘

25.1 网页信息检索与组织

25.2 信息检索与排名

25.3 使用超链接来进行网页排名

25.4 确定中心和权威：HITS

25.5 聚类

第 26 章 协同过滤和推荐

26.1 通过相似用户结合评分

26.2 基于矩阵分解的模型

参考文献

看完了