国产一区亚洲二三区,2019男人天堂无码在线观看

本書兼顧機器學習基礎、經(jīng)典方法和深度學習方法,對組成機器學習的基礎知識和基本算法進行了比較細致的介紹,對廣泛應用的經(jīng)典算法如線性回歸、邏輯回歸、樸素貝葉斯、支持向量機、決策樹和集成學習等算法都給出了深入的分析并討論了無監(jiān)督學習的基本方法,對深度學習和強化學習進行了全面的敘述,比較深入地討論了反向傳播算法、多層感知機、CNN、RNN 和 LSTM 等深度神經(jīng)網(wǎng)絡的核心知識和結構;對于強化學習,不僅介紹了經(jīng)典表格方法,還討論了深度強化學習。本書是面向大學理工科和管理類各專業(yè)的寬口徑、綜合性機器學習的教材,可供本科生和一年級研究生課程使用,也可供科技人員、工程師和程序員自學機器學習的原理和算法使用。本書對基礎和前沿、經(jīng) 典方法和熱門技術進行了盡可能的平衡,使得讀者不僅能在機器學習領域打下一個良好的基礎,同時也可以利用所學知識解決遇到的實際問題并為進入學科前沿打好基礎。

前言

機器學習已經(jīng)成為一種解決諸多問題的有效工具，廣泛應用于多學科交叉領域。本書以理工科本科生和一年級研究生的基礎知識為起點，以面向工程應用為目標，適度側重電子信息專業(yè)學生，并盡可能滿足其他專業(yè)需求，是一本通用性和專業(yè)性兼顧的機器學習入門教材。通過學習本書，讀者可以為掌握機器學習包括深度學習的本質和算法、解決實際問題及開展與本領域相關的研究打下基礎。

本書是作者《機器學習導論》（以下稱《導論》）的姐妹篇，是對《導論》的精簡。但本書不是經(jīng)過簡單刪削的簡化版，而是對內(nèi)容進行了重新梳理和編排，更適合作為一個學期機器學習課程的基本教材�！秾д摗犯m合作為對機器學習課程要求更高并留有一定自學材料的教材。與《導論》類似，本書在內(nèi)容選擇上盡可能地進行了平衡，既反映機器學習的基礎知識和經(jīng)典方法，又重視近期非�；钴S的深度學習和強化學習的內(nèi)容。深度學習很重要，尤其當前的一些商業(yè)化應用（包括計算機視覺、語音識別、自然語言處理、推薦系統(tǒng)、信息檢索等），既有大數(shù)據(jù)支持，又可以通過大規(guī)模計算系統(tǒng)進行訓練（學習），取得了許多重要進展。但并不是所有應用都有必要使用深度學習，許多問題用傳統(tǒng)機器學習技術就可以取得很好的結果，尤其是一些工程中的專門領域，獲取大數(shù)據(jù)集是非常困難的，在這些領域中，經(jīng)典的機器學習方法可得到更廣泛的應用。

全書內(nèi)容共12章，分為3部分。

第一部分涵蓋前5章，包括基礎性介紹和一些需要補充的基礎知識。第1章是機器學習概述，介紹了機器學習要解決的基本問題，以及一些基本術語、基本類型和構成模型的基本元素；第2章是

統(tǒng)計與優(yōu)化基礎，介紹了概率和統(tǒng)計基礎、決策論基礎、信息理論入門知識和優(yōu)化原理入門知識，目的是使本書盡可能滿足具有不同背景的讀者需求；第3章和第4章分別介紹了基本回歸算法和基本分類算法，包括線性回歸、線性基函數(shù)回歸、Fisher線性判別分析、感知機、邏輯回歸和樸素貝葉斯方法；第5章介紹了機器學習的評估和機器學習理論的相關知識。

第二部分由第6~8章組成，介紹了機器學習的3種重要算法：支持向量機、決策樹和集成學習。由于這3類算法較為重要，每類都用一章的篇幅進行專題介紹。

第三部分由最后4章組成，包括深度學習、無監(jiān)督學習和強化學習。關于神經(jīng)網(wǎng)絡與深度學習的專題，用兩章的篇幅做了較深入的討論。第9章是神經(jīng)網(wǎng)絡的基礎，討論了網(wǎng)絡的結構、表示定理、目標函數(shù)、基本優(yōu)化方法、梯度計算、初始化和正則化等，最重要的是給出了反向傳播算法的詳細介紹；第10章詳細介紹深度學習中的兩大類網(wǎng)絡結構：卷積神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡，分別介紹了其基本結構、擴展結構，以及幾個有影響的網(wǎng)絡結構的例子，給出了殘差網(wǎng)絡、LSTM、GRU等新結構的介紹，然后介紹了深度網(wǎng)絡的優(yōu)化技術、正則化和歸一化。第11章是關于無監(jiān)督學習算法的專題，討論了聚類算法、EM算法及主分量分析。第12章介紹了強化學習原理和算法，首先討論了強化學習的表格方法，然后介紹了值函數(shù)逼近和策略梯度兩類算法，這兩類算法都可以結合深度神經(jīng)網(wǎng)絡構成深度強化學習。

目錄中標記星號的章節(jié)屬于選讀內(nèi)容。

作為一本教材，本書每章都設置了適量的習題供選用。作者在附錄A中給出了課程的實踐型作業(yè)實例。在作者自己開設的課程中，每學期均要求學生完成若干實踐型作業(yè)，作業(yè)一般來自網(wǎng)絡資源中的實際數(shù)據(jù)，需要學生自己選擇預處理方法，實踐型作業(yè)的效果非常好。每年的作業(yè)都有變化，為了提供完整的參考性，附錄A給出某年的全部實踐型作業(yè)的原題，僅供使用本書作為教材的老師參考。對于不同的院校、不同的專業(yè)，可以有不同的要求，但應該至少完成一項實踐型作業(yè)。對于自學本書的科技人員，可以自行選擇一些題目測試自己的學習效果。真正掌握好機器學習既需要較強的數(shù)學知識，從而理解各種算法；又需要有較強的實踐能力，編程、調試完成一些實踐型作業(yè)。本書以原理和算法為主，若讀者需要學習編程基礎，如Python語言，可自行選擇相關的編程教材或指南，本書附錄A的最后介紹了幾個編程指南的網(wǎng)絡鏈接。

作為一本綜合性、導論性的機器學習教材，本書對深度學習和強化學習的介紹在深度和廣度上都做了很大的努力，希望讀者在學習到機器學習基礎知識的同時，對深度學習和強化學習有深入的了解，盡快進入這些領域的前沿。

本書作為一本適合一學期課程使用的基本教材，參考文獻只列出了教材和專著，《導論》則包含了更多較新的研究論文，考慮篇幅和基本教材的定位，本書沒有再列出這些文獻。

許多同行和研究生對本書的出版做出了貢獻。微軟亞洲研究院的劉鐵巖博士對課程內(nèi)容的設置提出了寶貴意見，秦濤博士對本書的內(nèi)容給出了若干有價值的建議，清華大學電子工程系的同事汪玉、王劍、袁堅和沈淵等教授提供了各種幫助，謹表示感謝！作者的學生王超博士，曾多次作為課程助教，協(xié)助進行課程內(nèi)容的完善和實踐型作業(yè)的設計，并仔細閱讀了本書的初稿，提出若干修改意見；助教博士生金月、邱云波幫助繪制了多幅插圖，金月幫助實現(xiàn)了3.3節(jié)的實例，在此一并表示感謝。

盡管做了很大努力，但由于作者水平、時間和精力所限，本書難免有缺點和不足，希望讀者批評指正。

張旭東

2023年3月于清華園

你還可能感興趣

我要評論