首页 > 图书中心 >图书详情

机器学习:从公理到算法

想要知道机器学习(包括深度学习)的本质吗?想要知道各种学习算法之间的关系吗?请读本书。

作者:于剑
定价:80
印次:1-5
ISBN:9787302471363
出版日期:2017.07.01
印刷日期:2020.12.03

这是一本基于公理研究学习算法的书。共 17章,由两部分组成。第一部分是机器学习公理以及部分理论演绎,包括第 1、2、6、8 章,论述学习公理以及相应的聚类、分类理论。第二部分关注如何从公理推出经典学习算法,包括单类、多类和多源问题。第 3~5 章为单类问题,分别论述密度估计、回归和单类数据降维。第 7、9~16 章为多类问题,包括聚类、神经网络、 K近邻、支持向量机、Logistic回归、贝叶斯分类、决策树、多类降维与升维等经典算法。最后第 17章研究了多源数据学习问题。 本书可以作为高等院校计算机、自动化、数学、统计学、人工智能及相关专业的研究生教材,也可以供机器学习的爱好者参考。

more >

机器学习的主要目的是从有限的数据中学习到知识,而知识的基本单元是概念。借助于概念,人类可以在繁复的思想与多彩的世界之间建立起映射,指认各种对象,发现各种规律,表达各种想法,交流各种观念。一旦缺失相应的概念,人们将无法思考、交流,甚至无法顺利地生活、学习、工作、医疗、娱乐等。哲学家如卡西尔等甚至认为人类的本质特性是能够使用和创造各种符号概念。因此,如何使机器能够像人一样自动发现、运用概念,正是机器学习的基本研究内容。本书将集中讨论这个问题。 所谓的概念发现,是指从一个给定概念(或者概念集合)的有限外延子集提取对应的概念(或者概念集合)表示,又称归类问题。通过自然进化,人类可以从一个概念(或概念集合)的有限外延子集(有限的对象)中轻松提取概念(或概念集合)自身。对于人类如何处理归类问题,人们已经研究了很多年,发明了许多理论,比如经典概念理论、原型理论、样例理论和知识理论等,积累了很多的研究成果。本书借助认知科学的研究成果,提出了类的统一表示数学模型,以及与之相关的归类问题的统一数学表示。由此提出了类表示公理、归类公理和分类测试公理。据此,本书分别研究了归类结果分类、归类算法分类等诸多问题。特别需要提出的是,本书首次归纳了归类算法设计应该遵循的 4条准则 ——类一致性准则、类紧致性准则、类分离性准则和奥卡姆剃刀准则。在理论上,任何机器学习算法的目标函数设计都遵循上述 4条准则的 1条或者数条。 对于具体的机器学习问题,本书依据奥卡姆剃刀准则,按照归类表示从简单到复杂的顺序,重新进行了组织。本书不仅论述了单类问题比多类问题的归类表示简单,聚类问题比分类问题的归类表示简单,单源数据学习比多源数据学习的归类表示简单,而且对于单类问题、多类问题自身的归类表示复杂度也进行了研究。在此基础上,指出单类问题包括密度估计、回归和单类数据降维等,并借助提出的公理框架以统一的方式演绎推出了在密度估计、回归、数据降维、聚类和分类等问题中常用的机器学习算法。 本书中章节的组织结构都是类似的,特别是与具体学习算法有关的章节。每 章有一个简短的开篇词。如果该章是学习算法章节,该开篇词用来简要说明本章算法的主要设计思想。如果该章是理论章节,该开篇词说明该理论问题的主要目标。每章结尾有延伸阅读或者讨论,延伸阅读提供更深入的相关阅读文献,讨论说明本章的相关内容与分析或者尚未解决的问题。 作者讲授机器学习已十数年,有感于当前的机器学习算法理论依据过多过杂,同时也一直羡慕欧氏几何从五条公理出发导出所有结论的风格。撰写本书,既是将欧氏几何风格移植到机器学习的一个尝试,更是试图为机器学习与模式识别提供一个统一但又简单的理论视角。总之,机器学习公理化这个问题在本书中提出,也在本书中解决了。 于剑 2017年 3月

more >
扫描二维码
下载APP了解更多

同系列产品more >

物联网智慧安监技术

张勇
定 价:88元

查看详情
教育与中国经济发展的动态系统仿真...

敖山
定 价:88元

查看详情
移动群智感知网络

马华东、赵东
定 价:59元

查看详情
计算几何—算法设计、分析及应用(...

周培德
定 价:149元

查看详情
高阶谱盲均衡理论、算法与应用

张立毅 等
定 价:49元

查看详情
图书分类全部图书
more >
  • 想要知道机器学习(包括深度学习)的本质吗?想要知道各种学习算法之间的关系吗?请读本书。

  • 机器学习是本次人工智能热潮的核心技术。引起轰动的应用如AlphaGo等,都可以看到机器学习的身影。目前,机器学习理论纷繁复杂,算法形式花样百出。人们一直在疑惑,机器学习,特别是其中的深度学习的本质到底是什么?
    作者积二十年研究之力,将各种学习理论融于一体,提出了五条学习公理,据此推导出了常见的学习算法,包括深度学习。如果想要知道机器学习的本质,快速理清各种学习算法之间的关系,本书是一条不容错过的终南捷径。

more >
  • 第 1章引言 .............................................................................................1 

    1.1机器学习的目的:从数据到知识 .....................................................1 

    1.2机器学习的基本框架 .....................................................................2 

    1.2.1数据集合与对象特性表示 .....................................................3 

    1.2.2学习判据 ............................................................................4 

    1.2.3学习算法 ............................................................................5 

    1.3机器学习思想简论 .........................................................................5 延伸阅读 ......................................................................................

精彩书评more >

标题

评论

版权所有(C)2023 清华大学出版社有限公司 京ICP备10035462号 京公网安备11010802042911号

联系我们 | 网站地图 | 法律声明 | 友情链接 | 盗版举报 | 人才招聘