《模式识别和机器学习基础》[美]乌利塞斯・布拉加-内托(Uliss | PDF下载|ePub下载

目录


Fundamentals of Pattern Recognition and Machine Learning


译者序

前言
第1章概述11��1模式识别与机器学习1

1��2数学基础设置1

1��3预测2

1��4预测误差2

1��5监督学习与无监督学习3

1��6复杂性权衡3

1��7设计周期4

1��8应用实例5

1��8��1生物信息学5

1��8��2材料信息学7

1��9文献注释9
第2章*优分类102��1无特征分类10

2��2有特征分类10

2��3贝叶斯分类器13

2��4贝叶斯误差16

2��5高斯模型19

2��5��1同方差情况20

2��5��2异方差情况22

2��6其他主题22

2��6��1极小极大分类22

2��6��2F�参蟛�24

2��6��3贝叶斯决策理论26

*2��6��4分类问题的严格表达27

2��7文献注释28

2��8练习29

2��9Python作业33
第3章基于实例的分类363��1分类规则36

3��2分类错误率38

*3��3一致性38

3��4没有免费午餐定理41

3��5其他主题42

3��5��1集成分类42

3��5��2混合抽样与独立抽样43

3��6文献注释44

3��7练习44

3��8Python作业45
第4章参数分类474��1参数替换规则47

4��2高斯判别分析48

4��2��1线性判别分析48

4��2��2二次判别分析51

4��3逻辑斯谛分类53

4��4其他主题54

4��4��1正则化判别分析54

*4��4��2参数规则的一致性55

4��4��3贝叶斯参数规则57

4��5文献注释59

4��6练习60

4��7Python作业62
第5章非参数分类645��1非参数替换规则64

5��2直方图分类65

5��3*近邻分类66

5��4核分类68

5��5Cover��Hart定理70

*5��6Stone定理73

5��7文献注释74

5��8练习75

5��9Python作业76
第6章函数逼近分类786��1支持向量机78

6��1��1可分数据的线性支持
向量机78

6��1��2一般线性支持向量机80

6��1��3非线性支持向量机82

6��2神经网络86

6��2��1反向传播训练89

6��2��2卷积神经网络92

*6��2��3神经网络的普遍逼近
性质94

6��2��4普遍一致性定理96

6��3决策树97

6��4有序分类器100

6��5文献注释101

6��6练习102

6��7Python作业104
第7章分类误差估计1087��1误差估计规则108

7��2误差估计性能109

7��2��1偏差分布109

7��2��2偏差、方差、均方根和
尾概率110

*7��2��3一致性111

7��3测试集误差估计112

7��4再代入误差估计113

7��5交叉验证114

7��6自助方法116

7��7增强误差估计118

7��8其他主题121

7��8��1凸误差估计器121

7��8��2平滑误差估计器123

7��8��3贝叶斯误差估计123

7��9文献注释126

7��10练习127

7��11Python作业129
第8章分类模型选择1318��1分类复杂性131

8��2Vapnik��Chervonenkis理论134

*8��2��1有限模型选择134

8��2��2打散系数与VC维度135

8��2��3几种分类规则中的VC
参数136

8��2��4Vapnik��Chervonenkis
定理139

8��2��5没有免费午餐定理139

8��3模型选择方法140

8��3��1验证误差*小化140

8��3��2训练集误差*小化141

8��3��3结构性风险*小化141

8��4文献注释142

8��5练习143
第9章降维1459��1面向分类任务的特征提取145

9��2特征选择146

9��2��1穷举搜索146

9��2��2单变量贪婪搜索147

9��2��3多变量贪婪搜索149

9��2��4特征选择与分类复杂性150

9��2��5特征选择与误差估计150

9��3主成分分析152

9��4多维缩放155

9��5因子分析156

9��6文献注释158

9��7练习159

9��8Python作业160
第10章聚类16210��1K��Means算法162

10��2高斯混合模型165

10��2��1期望*大化方法166

10��2��2与K��Means的关系170

10��3层次聚类171

10��4自组织映射173

10��5文献注释174

10��6练习175

10��7Python作业176
第11章回归17811��1*优回归178

11��2