うどん

電気炊飯器

ラーメン

ポテトチップス

もち

福袋

フェイスマスク

のり

ログイン/登録

日本語

English 简体中文繁體中文 한국어 日本語

{{sellerTotalView > 1 ? __("sellers", {number: sellerTotalView}) : __("seller", {number: sellerTotalView}) }}, {{numTotalView > 1 ? __("items", {number: numTotalView}) : __("item", {number: numTotalView}) }}

カートを見る＆決済

Nickname

お名前を教えてください

名前を更新します

xxxxxxx@yamibuy.com

アカウント注文お気に入り

ポイント 0

クーポン 0

ギフトカードの残高 $0.00

ログアウト

配送エリアを切り替えます

在庫情報と配送スピードは地域によって異なる場合があります。

郵便番号の履歴

商品が再入荷され次第、すぐにメールでお知らせします。

商品が再入荷されたら、メールでお知らせします {{remindEmail}}

キャンセル

Jingdong book

计算机科学丛书：机器学习基础教程

カートを見る＆決済

{{buttonTypePin == 3 ? __("Scan to view more PinGo") : __("Scan to start")}}

本コンピュータとインターネットコンピュータ理論

Jingdong book

计算机科学丛书：机器学习基础教程

Name: 计算机科学丛书：机器学习基础教程
Brand: Jingdong book
SKU: 3118166591
Price: 43.28 USD
Availability: OutOfStock

{{__(":people-members", {'people': item.limit_people_count})}} {{ itemCurrency }}{{ item.valid_price }} {{ itemCurrency }}{{ item.invalid_price }} {{ itemDiscount }}

終了まで

{{ itemCurrency }}{{ priceFormat(item.valid_price / item.bundle_specification) }}/{{ item.unit }}

{{ itemCurrency }}{{ item.valid_price }} {{ itemCurrency }}{{ priceFormat(item.valid_price / item.bundle_specification) }}/{{ item.unit }} {{ itemCurrency }}{{ item.invalid_price }} {{itemDiscount}}

セール終了まで

タイムセール開始まであとタイムセール終了まであと

{{ __( "Pay with Gift Card to get sale price: :itemCurrency:price", { 'itemCurrency' : itemCurrency, 'price' : (item.giftcard_price ? priceFormat(item.giftcard_price) : '0.00') } ) }} ({{ itemCurrency }}{{ priceFormat(item.giftcard_price / item.bundle_specification) }}/{{ item.unit }}) 詳細

消費期限

現在は販売していません

この商品がいつ再入荷するか、分かりません。

当該地域へ配送できません

売り切れ

製品説明

商品の詳細を全て表示

Content Description

《计算机科学丛书：机器学习基础教程》介绍机器学习技术及应用的主要算法，重点讲述理解主流的机器学习算法所需的核心数学和统计知识。书中介绍的算法涵盖机器学习的主要问题：分类、聚类和投影。由于本书是机器学习基础课程的教材，所以尽量减少了数学难度，仅对一小部分重要算法给出详细的描述和推导，而对大部分算法仅给出简单介绍，目的在于使学生打好基础，增强信心和兴趣，鼓励他们进一步学习该领域的高级主题或从事相关研究工作。
《计算机科学丛书：机器学习基础教程》是机器学习导论课程教材，适合作为计算机、自动化及相关专业高年级本科生或研究生的教材，也可供研究人员和工程技术人员参考。

Author Description

作者:(英)罗杰斯、吉罗拉米译者:郭茂祖、王春宇、刘扬、刘晓燕

Simon Rogers英国格拉斯哥大学计算机科学学院讲师，主讲硕士生的机器学习课程。Rogers博士是机器学习领域的一位活跃研究者，研究兴趣包括代谢组学数据分析和概率机器学习技术在人机交互领域的应用。

Mark Girolami英国伦敦大学学院(UCL)统计系主任和计算机科学系荣誉教授，并担任计算统计学和机器学习研究中心主任。他还是英国统计协会研究组成员，英国工程和科学研究委员会高级研究员，英国工程技术学会会员，爱丁堡皇家学会院士。

Catalogue

出版者的话
译者序
前言
第1章线性建模：最小二乘法
1.1 线性建模
1.1.1 定义模型
1.1.2 模型假设
1.1.3 定义什么是好的模型
1.1.4 最小二乘解：一个有效的例子
1.1.5 有效的例子
1.1.6 奥运会数据的最小二乘拟合
1.1.7 小结
1.2 预测
1.2.1 第二个奥运会数据集
1.2.2 小结
1.3 向量/矩阵符号
1.3.1 例子
1.3.2 数值的例子
1.3.3 预测
1.3.4 小结
1.4 线性模型的非线性响应
1.5 泛化与过拟合
1.5.1 验证数据
1.5.2 交叉验证
1.5.3 K折交叉验证的计算缩放
1.6 正则化最小二乘法
1.7 练习
其他阅读材料
第2章线性建模：最大似然方法
2.1 误差作为噪声
2.2 随机变量和概率
2.2.1 随机变量
2.2.2 概率和概率分布
2.2.3 概率的加法
2.2.4 条件概率
2.2.5 联合概率
2.2.6 边缘化
2.2.7 贝叶斯规则介绍
2.2.8 期望值
2.3 常见的离散分布
2.3.1 伯努利分布
2.3.2 二项分布
2.3.3 多项分布
2.4 连续型随机变量--概率密度函数
2.5 常见的连续概率密度函数
2.5.1 均匀密度函数
2.5.2 β密度函数
2.5.3 高斯密度函数
2.5.4 多元高斯
2.5.5 小结
2.6 产生式的考虑（续）
2.7 似然估计
2.7.1 数据集的似然值
2.7.2 最大似然
2.7.3 最大似然解的特点
2.7.4 最大似然法适用于复杂模型
2.8 偏差方差平衡问题
2.9 噪声对参数估计的影响
2.9.1 参数估计的不确定性
2.9.2 与实验数据比较
2.9.3 模型参数的变异性--奥运会数据
2.10 预测值的变异性
2.10.1 预测值的变异性--一个例子
2.10.2 估计值的期望值
2.10.3 小结
2.11 练习
其他阅读材料
第3章机器学习的贝叶斯方法
3.1 硬币游戏
3.1.1 计算正面朝上的次数
3.1.2 贝叶斯方法
3.2 精确的后验
3.3 三个场景
3.3.1 没有先验知识
3.3.2 公平的投币
3.3.3 有偏的投币
3.3.4 三个场景--总结
3.3.5 增加更多的数据
3.4 边缘似然估计
3.5 超参数
3.6 图模型
3.7 奥运会100米数据的贝叶斯处理实例
3.7.1 模型
3.7.2 似然估计
3.7.3 先验概率
3.7.4 后验概率
3.7.5 1阶多项式
3.7.6 预测
3.8 边缘似然估计用于多项式模型阶的选择
3.9 小结
3.10 练习
其他阅读材料
第4章贝叶斯推理
4.1 非共轭模型
4.2 二值响应
4.3 点估计：最大后验估计方案
4.4 拉普拉斯近似
4.4.1 拉普拉斯近似实例：近似γ密度
4.4.2 二值响应模型的拉普拉斯近似
4.5 抽样技术
4.5.1 玩飞镖游戏
4.5.2 Metropolis-Hastings算法
4.5.3 抽样的艺术
4.6 小结
4.7 练习
其他阅读材料
第5章分类
5.1 一般问题
5.2 概率分类器
5.2.1 贝叶斯分类器
5.2.2 逻辑回归
5.3 非概率分类器
5.3.1 K近邻算法
5.3.2 支持向量机和其他核方法
5.3.3 小结
5.4 评价分类器的性能
5.4.1 准确率--0/1损失
5.4.2 敏感性和特异性
5.4.3 ROC曲线下的区域
5.4.4 混淆矩阵
5.5 判别式和产生式分类器
5.6 小结
5.7 练习
其他阅读材料
第6章聚类分析
6.1 一般问题
6.2 K均值聚类
6.2.1 聚类数目的选择
6.2.2 K均值的不足之处
6.2.3 核化K均值
6.2.4 小结
6.3 混合模型
6.3.1 生成过程
6.3.2 混合模型似然函数
6.3.3 EM算法
6.3.4 例子
6.3.5 EM寻找局部最优
6.3.6 组分数目的选择
6.3.7 混合组分的其他形式
6.3.8 用EM估计MAP
6.3.9 贝叶斯混合模型
6.4 小结
6.5 练习
其他阅读材料
第7章主成分分析与隐变量模型
7.1 一般问题
7.2 主成分分析
7.2.1 选择D
7.2.2 PCA的局限性
7.3 隐变量模型
7.3.1 隐变量模型中的混合模型
7.3.2 小结
7.4 变分贝叶斯
7.4.1 选择Q（θ）
7.4.2 优化边界
7.5 PCA的概率模型
7.5.1 Qτ（τ）
7.5.2 Qxn（xn）
7.5.3 Qwn（wm）
7.5.4 期望值要求
7.5.5 算法
7.5.6 例子
7.6 缺失值
7.6.1 缺失值作为隐变量
7.6.2 预测缺失值
7.7 非实值数据
7.7.1 概率PPCA
7.7.2 议会数据可视化
7.8 小结
7.9 练习
其他阅读材料
词汇表
索引

Book Abstract

1．5 泛化与过拟合
1．4节提出了1阶与8阶多项式哪个更好的问题。假定原来建立这些模型的目的是做预测，那么不难理解最好的模型就是可以使预测最精确的那个，即可以泛化训练样本以外数据的模型（例如，到2008年的奥运会数据）。理想情况下，我们更喜欢选择在不可见数据上性能最好的模型（即最小化损失），但是由于问题本身的原因，数据无法得到。
图1-10表明，可应用训练数据上的损失选择用于预测的模型。曲线显示训练数据上8阶多项式拟合男子100米数据的损失比1阶多项式更低。而8阶多项式对于未来奥运会的预测非常糟糕。基于8阶多项式的模型过于关注训练数据（过拟合），因此不能很好地泛化新数据。由于模型越来越复杂，所以也越来越逼近可观测数据。不幸的是，当超过某点，预测的质量就会迅速退化。为了克服过拟合，能够很好地泛化，确定最优模型的复杂度将会非常有挑战性。这个折中问题经常被认为是偏置一方差平衡，将在2．8节中简单地介绍。
1．5．1 验证数据
克服过拟合问题的一般方法是使用第二个数据集，即验证集。用验证集来验证模型的预测性能。验证数据可以单独提供或者从原始训练集中拿出一部分。例如，在100米数据中，可以从训练集中拿出1980年以后的所有奥运会数据作为验证集。为了进行模型选择，可以在缩小的训练集上训练每一个模型，然后计算它们在验证集上的损失。图1-12a、b依次给出了训练和（10g）验证损失的曲线。训练损失随着多项式阶（模型复杂度）的增加单调递减。而验证损失随着多项式阶的增加而快速增长，这表明1阶多项式有最好的泛化能力，能够产生最可靠的预测。很容易测试这个假设。在图113中，可以看到数据集（已标记的训练集和验证集）与1阶、4阶和8阶多项式函数（MATLAB脚本：olympval．m）。1979年已经执行了这个任务，很明显1阶模型的确能够给出最好的预测。
……

Introduction

目前机器学习日益成为计算机科学重要的实践、研究与开发领域之一，一方面这反映在它的学术研究规模上，另一方面反映在新的机器学习从业人员遍布于主要的国际银行和金融机构，以及微软、谷歌、雅虎和亚马逊等公司。
从某种角度来讲，这种发展源于人们对世界认知方式的数量和种类的增加。一个特别显著的例子是，在首个基因组测序完成之前，不断涌现出了各种生物检测新技术。不久前，检测生物体的复杂分子状态是难以想象的，因为这已经远远超出了我们的认识能力。现在，机器学习方法在生物体中有用分子结构提取方面的广泛应用，使其成为可能。
本书改编自英国格拉斯哥大学计算机科学学院机器学习课程的讲义，该课程包括20学时的授课和10学时的实验，面向高年级本科生开设并由研究生讲授。如此少的教学时数不可能涵盖机器学习所有的内容，所以该课的目的是为理解流行的机器学习算法提供核心数学知识和统计技术，并描述其中部分算法，这些算法涵盖了机器学习中的分类、聚类和投影等主要问题。通过本课程的学习，学生应该具备通过考察机器学习相关文献来寻求适合他们所需方法的知识和能力，希望本书的读者也能做到这一点。
鉴于选学该课学生的数学水平参差不齐，我们只假定需要很少的数学知识，计算机科学、工程类、物理学（或其他数值处理类学科）的本科生阅读本书应该没有问题，没有以上经历的读者也可以阅读本书，因为穿插在文中的注解框内给出了相应的数学解释。此外，突出强调了重要公式（公式加阴影），在继续阅读前，花些时间理解这些公式是值得的。
选学该课的学生通常会发现其中的实践环节非常有用，实验有助于将涉及的各种算法和概念由抽象的等式转化为解决实际问题的工具。
最后，本书选择的机器学习方法是我们认为学生应该掌握的，在有限的篇幅和时间内，更有必要给出一小部分算法的详细描述和研究进展，而不是泛泛地描述许多算法，因而多数读者在本书中可能找不到他们最喜欢的算法！
Simon Rogers
Mark Girolami

仕様

ブランド

Jingdong book

ブランドテリトリー

China

免責声明

商品の価格、パッケージ、仕様などの情報は、事前に通知することなく変更される場合があります。私たちは商品情報を迅速に更新するよう努力していますが、実際に受け取った商品を基準にしてください。商品を利用する前に、常に商品に付属するラベル、警告、および説明を読んでください。

利用規約の全文を見ます

お気に入りに追加

{{ $isZh ? coupon.coupon_name_sub : coupon.coupon_ename_sub | formatCurrency }}

詳細

数量

{{buttonTypePin == 3 ? __("Scan to view more PinGo") : __("Scan to start")}}

JD@CHINAによって販売します

配送先

69以上のご注文は送料無料

正規保証

利用規約の全文を見ます

地域

カートに入れました

ショッピングを続ける

おすすめアイテム

クーポン

受け取る受取済み受け取る終わりました

間もなく期限切れ： {{ formatTime(coupon.use_end_time) }}

このアイテムを友達と共有します

キャンセル

Yamiギフトカード特別価格

ギフトカードで支払えば、ギフトカード特別価格が得られます

規則説明

ギフトカード特別価格は、一部商品の特別割引オファーです；

ギフトカード特別価格の商品を購入する場合、決済時に電子ギフトカードで相殺し、ギフトカードの残高が註文したギフトカード特別価格商品の合計価格を支払うのに十分であれば、ギフトカード特別価格を適用することができます；

ギフトカードを利用しない場合、あるいはギフトカードの残高が前項に述べた要件を満たさない場合、ギフトカード特別価格を適用することができません。通常の販売価格で計算されることになり、これらの商品を購入することができます。

ギフトカード特別価格の商品を購入した場合、残高が足りない場合は、カートページまたは決済ページの「チャージ」ボタンをクリックしてギフトカードへの購入とチャージを行うことができます。

もし商品はギフトカード特別価格を持つならば、「特別」の特殊価格表記を表示します;

その他の質問や懸念がある場合は、いつでもカスタマーサービスにお問い合わせください；

Yamibuyは最終解釈権を有します。

Yamiによって販売します

サービス保証

$49以上で送料無料

返品・交換保証

アメリカから発送

配送情報

アメリカ

スタンダード配送料 $5.99 (アラスカ、ハワイを除く)、最終価格が $49 以上で送料無料

地方発送 $5.99 (カリフォルニア、ニューヨーク、ニュージャージー、マサチューセッツ、ペンシルベニア、上記州の一部地域); 最終価格が $49 以上で送料無料

2 日以内の配送 (アラスカとハワイを含む) は送料 $19.99 からです

返品・交換ポリシー

Yamiはお客様が安心して購入できるように努めています。Yamibuy.comから出荷されたほとんどの商品は、受領後30日以内に返品可能です（食品、ドリンク、スナック、乾物、健康補助食品、新鮮な食料品および生鮮食品は、損傷または品質の問題がある場合、受領後7日以内に返品可能です。すべてのお客様に安全で高品質の商品を提供するために、美容製品については、品質の問題ではない限り、開封または利用後の返金や返品は対応できません。一部の商品には異なるポリシーまたは要件がありますので、特別な商品については以下をご覧いただくか、Yamiカスタマーサービスにお問い合わせください）。
ご理解とご支持に感謝します。

利用規約の全文を見ます

Yamiによって販売します

Yamibuy 電子ギフトカードの利用規約

購入時に自動チャージを選択した場合、注文完了後にギフトカードが自動的にアカウントにチャージされます；

購入時にメール送信を選択した場合、注文完了後にシステムが自動的にカード番号とパスワードを入力したメールアドレスに送信します；

メールを送信する際、どのユーザーもメールに送られてきたカード番号とパスワードを使用してギフトカードをチャージできますので、メール情報をしっかり保管してください。

メール受信に問題がある場合は、カスタマーサービスに連絡して処理してもらってください；

メールを送信する際、ギフトカードが交換されていない場合は、メールを再発行することができます。他のユーザーにすでに交換されている場合は、補償することはできません；

Yamibuyの電子ギフトカードは、自営または第三者商品の購入に使用できます；

Yamibuyの電子ギフトカードには有効期限がなく、長期にわたって有効です；

Yamiの電子ギフトカードの金額は、複数回に分けて使用することができます；

Yamiの電子ギフトカードの業務規則の最終的な解釈権は、Yamiウェブサイトに帰属します。

返品・交換ポリシー

既に利用された電子ギフトカードは返金不可です。

販売元: JD@CHINA

Yami配送品

サービス保証

$49以上で送料無料

最高のアフターサービス

米国本土から発送

配送情報

アメリカ

スタンダード配送料 $5.99 (アラスカ、ハワイを除く)、最終価格が $49 以上で送料無料

地方発送 $5.99 (カリフォルニア、ニューヨーク、ニュージャージー、マサチューセッツ、ペンシルベニア、上記州の一部地域); 最終価格が $49 以上で送料無料

2 日以内の配送 (アラスカとハワイを含む) は送料 $19.99 からです

返品・交換ポリシー

商品到着後30日以内であれば返品が可能です。返品される商品は、購入時の請求書の原本を含む、元の梱包のまま新品である必要があります。お客様の費用負担で製品を返品してください。

JD@CHINAによって販売します

Yami-China FC

サービス保証

$以上の店舗間注文: 送料無料

30日間返品・交換保証

Yami-中国集荷倉庫

Yamiが中国から厳選し、各優秀店舗の商品をYami中国統合センターに集めて、パッケージをまとめて一度に国際郵送でお客様の住所までお届けします。店舗間で$69以上になれば、送料無料になります。複数の販売者が提供する幅広い商品から選び、店舗間送料無料か低い送料を手軽に楽しめます。

返品・交換ポリシー

30日以内の返品・交換保証を提供します。商品は未使用の元のパッケージに入れられ、購入証明書が添付される必要があります。商品の品質上の問題、間違った配送、または配送漏れなど、販売者によって引き起こされたミスについては、返金処理されます。その他の理由による返品・交換の送料はお客様ご負担となります。すべての商品は長距離を輸送するため、内部品質に影響しない簡易包装のプレスや摩耗等が発生する場合、返品・交換は致しかねます。

配送情報

Yami 中国集荷 Consolidated Shippingの送料は＄ 9.99 (＄69以上のご注文は送料無料)

中国の販売業者は、ご注文後 2 営業日以内に商品を配達します、すべての荷物は Yami 中国集荷センターに到着し (特別な状況および中国の特定法定休日を除く)、そこで荷物は混載され、 UPSで米国に配送されます。中国から米国への UPS の平均配達時間は約 10 営業日で、直送の追跡番号に基づいていつでも追跡できます。感染拡大の影響で、現在の物流は約5日遅れる可能性があります。パッケージには顧客の署名が必要です。署名されない場合、パッケージが紛失するリスクはお客様が負うことになります。

JD@CHINAによって販売します

サービス保証

69以上のご注文は送料無料

正規保証

配送情報

Yami Consolidated Shipping送料$9.99（$69以上のご注文は送料無料になる）

Seller will ship the orders within 1-2 business days. The logistics time limit is expected to be 7-15 working days. In case of customs clearance, the delivery time will be extended by 3-7 days. The final receipt date is subject to the information of the postal company.

Yamiポイント情報

すべての商品は、 Yamibuy.com のプロモーションまたはポイントイベントの対象外となります。

返品・交換ポリシー

Yamiアプリをダウンロードします

フィードバック

トップに戻ります

レビュー{{'('+ commentList.posts_count + ')'}}

商品レビューを書いて、他のユーザーを助ける最初の人になりましょう。

レビューを書く

{{i}}星

{{i}} 星

{{ parseInt(commentRatingList[i]) }}%

{{ showTranslate(comment) }}非表示にします

{{ strLimit(comment,800) }}すべて見る

Show Original

すべてを表示します

{{ formatTime(comment.in_dtm) }} 購入済み {{groupData}}

{{ comment.likes_count }} {{ comment.likes_count }} {{ comment.reply_count }} {{comment.in_user==uid ? __('Delete') : __('Report')}}

{{ showTranslate(comment) }}非表示にします

{{ strLimit(comment,800) }}すべて見る

Show Original

すべてを表示します

{{ formatTime(comment.in_dtm) }} 購入済み {{groupData}}

{{ comment.likes_count }} {{ comment.likes_count }} {{ comment.reply_count }} {{comment.in_user==uid ? __('Delete') : __('Report')}}

関連するコメントはありません~

もっと多くレビューを載せます

レビュー詳細

{{ showTranslate(commentDetails) }}非表示にします

{{ strLimit(commentDetails,800) }}すべて見る

Show Original

すべてを表示します

{{ formatTime(commentDetails.in_dtm) }} 購入済み {{groupData}}

最低でも単語一つを入力してください

コメント{{'(' + replyList.length + ')'}}

{{ reply.reply_user_name }}コメント{{ reply.parent_user_name }}

{{ showTranslate(reply) }}非表示にします

{{ strLimit(reply,800) }}すべて見る

Show Original

最低でも単語一つを入力してください

キャンセル

これまでのコメントは以上です！

レビューを書きます

商品評価

コメントをお願いします

素敵なユーザーネームは、あなたのコメントをより人気のあるものにします!
ここでニックネームを変更すると、アカウントのニックネームも同じに変更されます。

商品レビューをありがとうございます。

あなたの素晴らしいレビューは私たちのコミュニティがより良いアジア商品を見つけるのに役立ちます。