机器学习

出版者:人民邮电出版社

作者:[法]马西-雷萨·阿米尼

出品人:图灵教育

页数:220

译者:许 鹏

出版时间:2018-5

价格:59.00 元

装帧:平装

isbn号码:9787115479655

丛书系列:图灵程序设计丛书

具体描述

本书是机器学习理论与算法的参考书目，从监督、半监督学习的基础理论开始，本书采用简单、流行的C语言，逐步介绍了最常见、最先进的理论概念、算法与实践案例，呈现了相应的经典算法和编程要点，满足读者希望了解机器学习运作模式的根本需求。

作者简介

Massih-Reza Amini

法国格勒诺布尔大学计算机科学教授，研究领域统计机器学习的全新框架与模板。

Francis Bach

为本书作序，他是SIERRA项目负责人，专注于图形建模、稀疏法、模型核方法、凸优化、信号处理等。

目录信息

第1章　机器学习理论简述　　1
1.1 经验误差最小化 　　2
1.1.1 假设与定义　　2
1.1.2 原理陈述 　　4
1.2 经验风险最小化原理的一致性　　4
1.2.1 在测试集上估计泛化误差　　6
1.2.2 泛化误差的一致边界　　7
1.2.3 结构风险最小化　　15
1.3 依赖于数据的泛化误差界　　17
1.3.1 Rademacher 复杂度　　17
1.3.2 Rademacher 复杂度和VC 维的联系　　17
1.3.3 利用Rademacher 复杂度获取泛化界的步骤　　19
1.3.4 Rademacher 复杂度的性质　　23
第2章　无约束凸优化算法　　26
2.1 梯度法　　29
2.1.1 批处理模式　　29
2.1.2 在线模式　　31
2.2 拟牛顿法　　32
2.2.1 牛顿方向　　32
2.2.2 Broyden-Fletcher-Goldfarb-Shanno 公式　　33
2.3 线搜索　　36
2.3.1 Wolfe 条件　　37
2.3.2 基于回溯策略的线搜索　　41
2.4 共轭梯度法　　43
2.4.1 共轭方向　　43
2.4.2 共轭梯度算法　　46
第3章　二类分类　　48
3.1 感知机　　48
3.1.1 感知机的收敛性定理　　51
3.1.2 带间隔感知机及其与经验风险最小化原理的联系　　53
3.2 Adaline　　54
3.2.1 与线性回归和经验风险最小化原理的联系　　54
3.3 Logistic 回归 　　56
3.3.1 与经验风险最小化原理的联系　　57
3.4 支持向量机　　58
3.4.1 硬间隔　　58
3.4.2 软间隔　　63
3.4.3 基于间隔的泛化误差界　　66
3.5 AdaBoost　　68
3.5.1 与经验风险最小化原理的联系　　70
3.5.2 拒绝法抽样　　72
3.5.3 理论研究　　73
第4章　多类分类　　76
4.1 形式表述　　76
4.1.1 分类误差　　77
4.1.2 泛化误差界　　77
4.2 单一法　　80
4.2.1 多类支持向量机　　80
4.2.2 多类AdaBoost　　84
4.2.3 多层感知机　　87
4.3 组合二类分类算法的模型　　91
4.3.1 一对全　　91
4.3.2 一对一　　92
4.3.3 纠错码　　93
第5章　半监督学习　　95
5.1 无监督框架和基本假设　　95
5.1.1 混合密度模型　　96
5.1.2 估计混合参数　　96
5.1.3 半监督学习的基本假设　　102
5.2 生成法　　104
5.2.1 似然准则在半监督学习情形的推广　　104
5.2.2 半监督CEM 算法　　105
5.2.3 应用：朴素贝叶斯分类器的半监督学习　　106
5.3 判别法　　108
5.3.1 自训练算法 　　109
5.3.2 转导支持向量机　　111
5.3.3 贝叶斯分类器误差的转导界　　113
5.3.4 基于伪标注的多视角学习　　116
5.4 图法　　118
5.4.1 标注的传播 　　119
5.4.2 马尔可夫随机游动　　121
第6章　排序学习　　123
6.1 形式表述　　123
6.1.1 排序误差函数　　124
6.1.2 样例排序　　127
6.1.3 备择排序　　128
6.2 方法　　130
6.2.1 单点法 　　130
6.2.2 成对法 　　135
6.3 互相关数据的学习 　　144
6.3.1 测试界 　　146
6.3.2 泛化界 　　146
6.3.3 一些具体例子中的界的估计　　151
附录　回顾和补充　　155
附录A　概率论回顾　　156
A.1 概率测度　　156
A.1.1 可概率化空间　　156
A.1.2 概率空间　　157
A.2 条件概率　　158
A.2.1 贝叶斯公式　　158
A.2.2 独立性　　159
A.3 实随机变量 　　159
A.3.1 分布函数　　160
A.3.2 随机变量的期望和方差　　161
A.3.3 集中不等式　　162
附录B　程序代码　　166
B.1 数据结构　　166
B.1.1 数据集　　166
B.1.2 超参数结构　　167
B.2 稀疏表示　　168
B.3 程序运行　　170
B.4 代码　　172
B.4.1 BGFS 算法（2.2.2 节）　　172
B.4.2 线搜索（2.3 节） 　　175
B.4.3 共轭梯度法（2.4 节）　　178
B.4.4 感知机（3.1 节） 　　180
B.4.5 Adaline 算法（3.2 节）　　181
B.4.6 Logistic 回归（3.3 节）　　182
B.4.7 AdaBoost 算法（3.5 节）　　184
B.4.8 AdaBoost M2 算法（4.2.2 节）　　188
B.4.9 多层感知机（4.2.3 节）　　192
B.4.10 K-均值算法（5.1.2 节）　　195
B.4.11 半监督朴素贝叶斯（5.2.3 节） 　　197
B.4.12 自学习（5.3.1 节） 　　201
B.4.13 一次性自学习（5.3.1 节） 　　204
B.4.14 PRank 算法（6.2.1 节）　　205
B.4.15 RankBoost 算法（6.2.2 节）　　207
参考文献　　211
· · · · · · (收起)

用户评价

我对这本书最深刻的印象是它那股蓬勃的生命力和面向未来的远见。很多同类书籍写出来就已经落后了，但这本书仿佛自带时间穿梭机，对未来几年可能出现的方向进行了相当精准的预判。我注意到作者在讨论“数据伦理”的部分时，所采用的视角非常前沿，完全避开了目前主流媒体的简单口号式讨论，而是深入到了算法决策的内在机制和潜在的社会影响。读到这里，我不得不停下来，关上书本，对着窗外发呆了很久，思考着我们正走向一个怎样的世界。这本书的价值，已经超越了单纯的技术指导，它更像是一部社会思潮的观察报告。而且，作者似乎非常擅长在看似不相关的领域之间建立联系，比如他将某种生物进化的原理，巧妙地映射到了模型迭代的策略上，这种跨学科的融合，让整本书读起来充满了惊喜和智力上的愉悦感。

我必须承认，这本书的体量相当可观，初次翻开时，厚度让人有些望而生畏。但真正深入阅读后，才发现这种“厚重”并非堆砌篇幅，而是内容密度极高的体现。书中对基本原理的阐述极为细致，每一个公式的推导，每一个概念的定义，都给出了详尽的背景介绍和历史渊源。我特别喜欢作者在处理“反例”时的态度，他没有回避那些失败的尝试和被证明是死胡同的路径，而是将它们作为宝贵的经验教训呈现出来，这使得整本书的知识体系显得无比坚实和可靠。读完某一特定部分后，我常常会有一种“终于明白了”的豁然开朗的感觉，那不是因为作者简单地告诉了我答案，而是他教会了我如何去问正确的问题。这本书的阅读体验，就像是在攀登一座信息量巨大的知识山峰，虽然过程需要专注和毅力，但登顶后所见的风景，绝对是无与伦比的开阔和震撼。

这部作品的排版和装帧设计简直是艺术品，拿在手里沉甸甸的，那种油墨的香气混合着厚实的纸张质感，就已经在无形中提升了阅读的仪式感。我发现作者在内容组织上采取了一种螺旋上升的结构，不是那种简单线性的介绍，而是每深入一层，都会回溯并重新审视前文的基础概念，用更高级的视角去重新解读。这种设计对于初学者非常友好，每一次看似重复的接触，都会带来新的领悟。我最近在尝试理解其中关于“信息熵”的阐述，老实说，以前看其他资料时总是卡在数学公式上，但这里的描述，竟然用到了天气预报和古典音乐的例子来做类比，瞬间就通透了。这不仅仅是一本工具书，更像是一位耐心的导师，他知道你什么时候该加速，什么时候该停下来多看几眼风景。我甚至会特意放慢阅读速度，去体会作者在遣词造句上的微妙之处，因为总觉得每一个词语的选择都经过了千锤百炼。

这本书绝对是本打开新世界大门的钥匙，虽然我还没完全啃完，但光是前几章的引子就足够让人眼前一亮了。作者的叙事功力实在了得，他没有急于抛出那些晦涩难懂的理论，而是用一种极其生活化的语言，将那些看似高不可攀的概念掰开了揉碎了，放在我们面前。举个例子，书中关于“模式识别”的描述，简直像是在讲述一位老侦探如何从一堆混乱的线索中找出真相，那种抽丝剥茧的逻辑推演过程，让人读得手心冒汗，既紧张又兴奋。更难得的是，书中穿插的那些历史典故和哲学思考，让整个阅读过程不再是枯燥的知识灌输，而更像是一场智慧的漫步。我尤其欣赏作者在探讨“局限性”时的坦诚，他没有把任何一个领域描绘成万能的救世主，而是清晰地指出了当前技术所处的阶段和未来的挑战，这种严谨和谦逊，在同类题材的作品中是极其罕见的。我已经迫不及待想知道，后面他会如何构建那些宏大的理论体系，目前来看，这本书的深度和广度都远超我的预期。

这本书的语言风格，与其说是“学术”，不如说是“哲思”。作者的笔触非常冷静克制，没有过度煽情的辞藻，但字里行间却蕴含着巨大的力量。我感觉自己不是在阅读一份技术手册，而是在跟随一位智者进行一场深入的对话。其中有一段描述系统复杂性的章节，作者用了大量的类比，将复杂的系统简化成了一幅幅清晰的几何图案，这种视觉化的表达能力，极大地降低了理解的门槛。我注意到作者在引用外部资料时，引用源的选择极其考究，既有经典的奠基性文献，也有最新的、尚未广泛流传的研究成果，这显示出作者扎实的学识基础和敏锐的信息嗅觉。这本书的每一个章节的过渡都处理得极其自然平滑，就像一条精心铺设的河流，你顺着水流走，不知不觉就抵达了目的地，完全不会感到被生硬地“推”向下一个主题。

翻译有点难懂，很多数学理论和公式，可能是太数学课吧，不太看得懂；对于数学公式还是要尽量看懂，书的最后有C++源码，总体感觉还是一本蛮多干货的书

翻译有点难懂，很多数学理论和公式，可能是太数学课吧，不太看得懂；对于数学公式还是要尽量看懂，书的最后有C++源码，总体感觉还是一本蛮多干货的书

翻译有点难懂，很多数学理论和公式，可能是太数学课吧，不太看得懂；对于数学公式还是要尽量看懂，书的最后有C++源码，总体感觉还是一本蛮多干货的书

翻译有点难懂，很多数学理论和公式，可能是太数学课吧，不太看得懂；对于数学公式还是要尽量看懂，书的最后有C++源码，总体感觉还是一本蛮多干货的书

翻译有点难懂，很多数学理论和公式，可能是太数学课吧，不太看得懂；对于数学公式还是要尽量看懂，书的最后有C++源码，总体感觉还是一本蛮多干货的书