机读格式显示(MARC)

• 000 02064nam 2200361 450

• 001 0000377687

• 005 20240823092855.48

• 010 __ |a 978-7-111-75369-8 |d CNY109.00

• 100 __ |a 20240702d2024 em y0chiy50 ea

• 101 1_ |a chi |c swe

• 102 __ |a CN |b 110000

• 105 __ |a af a 000yy

• 106 __ |a r

• 200 1_ |a 机器学习 |A ji qi xue xi |e 工程师和科学家的第一本书 |f (瑞典) 安德里亚斯·林霍尔姆 ... [等] 著 |d = Machine learning |e a first course for engineers and scientists |f Andreas Lindholm ... |g 汤善江, 于策, 孙超等译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2024

• 215 __ |a x, 265页, [20] 页图版 |c 图 (部分彩图) |d 26cm

• 225 2_ |a 智能科学与技术丛书 |A zhi neng ke xue yu ji shu cong shu

• 300 __ |a CMP BOOKS CAMBRIDGE

• 304 __ |a 著者还有: 尼克拉斯·瓦尔斯特伦 (Niklas Wahlstrom), 弗雷德里克·林斯滕 (Fredrik Lindsten), 托马斯·B. 舍恩 (Thomas B. Schon)

• 306 __ |a 剑桥大学出版社与机械工业出版社合作出版 限中国大陆发行

• 330 __ |a 本书涵盖了一系列有监督的机器学习方法，包括基础方法(k-NN、决策树、线性和逻辑回归等)和高级方法(深度神经网络、支持向量机、高斯过程、随机森林和提升等)，以及常用的无监督方法(生成模型、k-均值聚类、自动编码器、主成分分析和生成对抗网络等)。通过在方法之间建立联系，讨论一般概念(例如损失函数、zuida似然、偏差－方差分解、核和贝叶斯方法)，同时介绍常规的实用工具(例如正则化、交叉验证、评估指标和优化方法)，本书始终将关注点放在基础知识上。最后两章为解决现实世界中有监督的机器学习问题和现代机器学习的伦理问题提供了实用建议。

• 410 _0 |1 2001 |a 智能科学与技术丛书

• 510 1_ |a Machine learning |e a first course for engineers and scientists |z eng

• 517 1_ |a 工程师和科学家的第一本书 |A gong cheng shi he ke xue jia de di yi ben shu

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _1 |a 林霍尔姆 |A lin huo er mu |g (Lindholm, Andreas) |4 著

• 701 _1 |a 瓦尔斯特伦 |A wa er si te lun |g (Wahlstrom, Niklas) |4 著

• 701 _1 |a 林斯滕 |A lin si teng |g (Lindsten, Fredrik) |4 著

• 702 _0 |a 汤善江 |A tang shan jiang |4 译

• 702 _0 |a 于策 |A yu ce |4 译

• 702 _0 |a 孙超 |A sun chao |4 译

• 801 _2 |a CN |b GDXHCF |c 20240823