機器學習中的線性與非線性思維
翟中華
- 出版商: 電子工業
- 出版日期: 2025-05-01
- 售價: $228
- 貴賓價: 9.5 折 $216
- 語言: 簡體中文
- 頁數: 104
- ISBN: 7121495015
- ISBN-13: 9787121495014
-
相關分類:
Machine Learning
立即出貨 (庫存=1)
買這商品的人也買了...
-
統計學習理論基礎$258$245 -
$300人工智能算法 捲1 基礎算法 -
特徵工程不再難：資料科學新手也能輕鬆搞定！ (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$405 -
機器人控制 — 運動學、控制器設計、人機交互與應用實例$594$564 -
$351人工智能算法 捲2 受大自然啟發的算法 -
$354開放式 IEC 61131 控制系統設計 -
$611金融中的機器學習 -
$714人工智能數學基礎 -
$606利用 Python 實現概率、統計及機器學習方法（原書第2版） -
$861精通機器學習算法 -
$356強化學習演算法入門 -
$504深度學習的理論基礎與核心算法 -
$888矩陣之美 (算法篇) -
算法和高頻交易$1,128$1,071 -
概率機器學習 基礎篇$1,014$963 -
$294計算方法 (Python 版) -
常用算法程序集（C++描述）（第7版）$599$569 -
$588面向不確定信息的直覺模糊三支決策模型及應用 -
$417Claude Code 實戰：Harness 工程之道 -
模糊數學理論與方法, 2/e$354$336 -
$458Claude Code Agentic 編程與項目開發實戰 -
憶阻神經網絡從基礎到應用$594$564 -
$959人工智能數學基礎 -
金融隨機分析與金融工程$354$336 -
$1,014數據科學的統計基礎
商品描述
本書深入剖析機器學習中的線性思維和非線性思維，從基礎理論出發，結合經典例子，闡述如何將線性思維和非線性思維巧妙應用於機器學習算法，幫助讀者理解數據背後的規律與不確定性。除引言外，全書內容分為7章，包括線性回歸中的線性思維、感知機分類中的線性思維、邏輯回歸中的線性思維、支持向量機中的線性思維、核方法、高斯核函數的非線性映射作用、深度學習中的非線性。本書適合機器學習領域的工程師、研究員閱讀，也可作為計算機科學、統計學、電子工程、計量經濟學等領域的技術人員的參考用書。
目錄大綱
目錄
引言 001
上篇 線性思維
第1章 線性回歸中的線性思維 008
1.1 線性思維 009
1.2 從線性思維看線性回歸 015
1.2.1 直線方程 016
1.2.2 由直線方程到線性回歸 017
1.2.3 線性回歸的隨機誤差 018
1.2.4 由隨機誤差項到最小二乘法 021
1.3 線性回歸的統計性質 025
1.3.1 OLS估計量的性質 025
1.3.2 線性回歸的統計學假設 026
第2章 感知機分類中的線性思維 028
2.1 感知機中的線性分類思想 029
2.1.1 什麼是感知機 029
2.1.2 感知機分類過程 032
2.1.3 線性分類的幾何視角 034
2.2 感知機訓練的線性思維 035
2.2.1 幾何角度形象理解 036
2.2.2 轉化為代數運算 039
2.3 從幾何視角看感知機訓練 042
第3章 邏輯回歸中的線性思維 045
3.1 線性回歸不適合分類 046
3.2 Sigmoid函數的特性 049
3.3 邏輯回歸是線性分類器 050
第4章 支持向量機中的線性思維 052
4.1 最直覺的分類思維 053
4.2 線性分類 056
4.3 由函數間隔到幾何間隔 059
4.4 軟間隔支持向量機 063
4.4.1 為什麼需要軟間隔支持向量機 063
4.4.2 軟間隔支持向量機的數學實現 066
下篇 非線性思維
第5章 核方法 072
5.1 采用核方法的動機 072
5.2 使用核方法解SVM升維難題 073
第6章 高斯核函數的非線性映射作用 079
6.1 簡單與復雜的辯證：從線性模型到非線性模型 080
6.2 從有限到無限的哲學思想 082
6.2.1 把有限空間映射為無限空間 083
6.2.2 從無限返回有限 083
6.3 泰勒級數：實現維度的無限延展和有限維度的
計算 085
第7章 深度學習中的非線性 089
7.1 Sigmoid函數 091
7.2 ReLU函數 092
