我们分析了知乎近600万精华回答,将被提到次数最多的书籍呈现在你的面前

看一本好书  享一杯好茶

PC浏览器体验更好

使用搜索功能得到你更感兴趣的内容。别客气,尽情尝试吧!

搜索历史

标签搜索结果

书名/作者搜索结果

统计学习方法李航/
在当前标签下被提到6次,总共被提到74次
《统计学习方法》是计算机及其应用领域的一门重要的学科。《统计学习方法》全面系统地介绍了统计学习的主要方法,特别是监督学习方法,包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外,每章介绍一种方法。叙述从具体问题或实例入手,由浅入深,阐明思路,给出必要的数学推导,便于读者掌握统计学习方法的实质,学会运用。为满足读者进一步学习的需要,书中还介绍了一些相关研究,给出了少量习题,列出了主要参考文献。

机器学习周志华/
在当前标签下被提到5次,总共被提到81次
《机器学习》是计算机科学与人工智能的重要分支领域。《机器学习》作为该领域的入门教材,在内容上尽可能涵盖机器学习基础知识的各方面。全书共16章,大致分为3个部分:第1 部分(第1~3 章)介绍机器学习的基础知识;第2部分(第4~10章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习);第3 部分(第11~16章)为进阶知识,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等。 每章都附有习题并介绍了相关阅读材料,以便有兴趣的读者进一步钻研探索。 《机器学习》可作为高等院校计算机、自动化及相关专业的本科生或研究生教材,也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。 海报:

集体智慧编程托比·西格兰 (Toby Segaran)/莫映/王开福/
在当前标签下被提到3次,总共被提到42次
本书以机器学习与计算统计为主题背景,专门讲述如何挖掘和分析Web上的数据和资源,如何分析用户体验、市场营销、个人品味等诸多信息,并得出有用的结论,通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息,以便创造新的用户价值和商业价值。全书内容翔实,包括协作过滤技术(实现关联产品推荐功能)、集群数据分析(在大规模数据集中发掘相似的数据子集)、搜索引擎核心技术(爬虫、索引、查询引擎、PageRank算法等)、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术(垃圾邮件过滤、文本过滤)、用决策树技术实现预测和决策建模功能、社交网络的信息匹配技术、机器学习和人工智能应用等。 本书是Web开发者、架构师、应用工程师等的绝佳选择。 海报:

推荐系统实践项亮/
在当前标签下被提到2次,总共被提到55次
《推荐系统实践》通过大量代码和图表全面系统地阐述了和推荐系统有关的理论基础,介绍了评价推荐系统优劣的各种标准(比如覆盖率、满意度)和方法(比如AB测试),总结了当今互联网领域中各种和推荐有关的产品和服务。另外,《推荐系统实践》为有兴趣开发推荐系统的读者给出了设计和实现推荐系统的方法与技巧,并解答了在真实场景中应用推荐技术时最常遇到的一些问题。

Convex Optimization鲍迪 (Stephen Boyd)/
在当前标签下被提到2次,总共被提到26次
《凸优化(英文)》介绍了凸分析中的基本概念和对凸极小化问题的研究。《凸优化(英文)》选出了两卷书中的精华,删除了一些被认为是艰深晦涩以及和数值分析雷同的内容。书中各章有大量习题。目次:介绍:符号、基本结论;凸集;凸函数;次线性函数和支撑函数;有限凸函数的次微分;凸分析的共轭性。读者对象:数学专业的研究生及数学工作者。

Pattern Classification迪达/李宏东/等/
在当前标签下被提到2次,总共被提到13次
《模式分类》(原书第2版)的第1版《模式分类与场景分析》出版于1973年,是模式识别和场景分析领域奠基性的经曲名著。在第2版中,除了保留了第1版的关于统计模式识别和结构模式识别的主要内容以外,读者将会发现新增了许多近25年来的新理论和新方法,其中包括神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。作者还为未来25年的模式识别的发展指明了方向。书中包含许多实例,各种不同方法的对比,丰富的图表,以及大量的课后习题和计算机练习。

数学之美吴军/
在当前标签下被提到2次,总共被提到99次
几年前,“数学之美”系列文章原刊载于谷歌黑板报,获得上百万次点击,得到读者高度评价。 正式出版前,吴军博士几乎把所有文章都重写了一遍,为的是把高深的数学原理讲得更加通俗易懂,让非专业读者也能领略数学的魅力。   《数学之美》第一版上市后深受广大读者欢迎,并荣获国家图书馆第八届文津图书奖。读者说,读了《数学之美》,才发现大学时学的数学知识,比如马尔科夫链、矩阵计算,甚至余弦函数原来都如此亲切,并且栩栩如生,才发现自然语言和信息处理这么有趣。   而今,数学在信息产业中的应用越来越广泛,因此,作者在第二版中增加了一些内容,尤其是针对大数据和机器学习的内容,以便满足人们对当下技术的学习需求。

智能web算法Douglas G. McIlwraith^Haralambos Marmanis^Dmitry Babenko/达观数据/陈运文 等/
在当前标签下被提到2次,总共被提到12次
《智能Web算法(第2版)》内容提要 机器学习一直是人工智能研究领域的重要方向,而在大数据时代,来自Web 的数据采集、挖掘、应用技术又越来越受到瞩目,并创造着巨大的价值。本书是有关Web数据挖掘和机器学习技术的一本知名的著作,第2 版进一步加入了本领域最新的研究内容和应用案例,介绍了统计学、结构建模、推荐系统、数据分类、点击预测、深度学习、效果评估、数据采集等众多方面的内容。《智能Web算法(第2版)》内容翔实、案例生动,有很高的阅读价值。 《智能Web算法(第2版)》适合对算法感兴趣的工程师与学生阅读,对希望从业务角度更好地理解机器学习技术的产品经理和管理层来说,亦有很好的参考价值。

深度学习伊恩·古德费洛 (Ian Goodfellow)/约书亚·本吉奥 (Yoshua Bengio)/亚伦·库维尔 (Aaron Courville)/赵申剑/黎彧君/符天凡/李凯/
在当前标签下被提到2次,总共被提到24次
《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写,是深度学习领域奠基性的经典教材。全书的内容包括3个部分:第1部分介绍基本的数学工具和机器学习的概念,它们是深度学习的预备知识;第2部分系统深入地讲解现今已成熟的深度学习方法和技术;第3部分讨论某些具有前瞻性的方向和想法,它们被公认为是深度学习未来的研究重点。 《深度学习》适合各类读者阅读,包括相关专业的大学生或研究生,以及不具有机器学习或统计背景、但是想要快速补充深度学习知识,以便在实际产品或平台中应用的软件工程师。 海报:

Statistical Learning Theory瓦普尼克 (Vladimir N. Vapnik)/许建华/张学工/
在当前标签下被提到2次,总共被提到14次
统计学习理论是研究利用经验数据进行机器学习的一种一般理论,属于计算机科学、模式识别和应用统计学相交叉与结合的范畴,其主要创立者是本书作者。统计学习理论基本内容诞生于20世纪60~70年代,到90年代中期发展到比较成熟并受到世界机器学习界的广泛重视,其核心内容反映在Vapnik的两部重要著作中,本书即是其中一部,另一部是《统计学习理论的本质》。 由于较系统地考虑了有限样本的情况,统计学习理论与传统统计学理论相比有更好的实用性,在该理论下发展出的支持向量机方法以其有限样本下良好的推广能力而备受重视。

机器学习实战哈林顿 (Peter Harrington)/李锐/李鹏/曲亚东/王斌/
在当前标签下被提到2次,总共被提到50次
  《机器学习实战》内容简介:机器学习是人工智能研究领域中的一个极其重要的方向。在现今大数据时代的背景下,捕获数据并从中萃取有价值的信息或模式,使得这一过去为分析师与数学家所专属的研究领域越来越为人们瞩目。《机器学习实战》通过精心编排的实例,切入日常工作任务,摒弃学术化语言,利用高效可复用的Python代码阐释如何处理统计数据,进行数据分析及可视化。读者可从中学到一些核心的机器学习算法,并将其运用于某些策略性任务中,如分类、预测及推荐等。   《机器学习实战》适合机器学习相关研究人员及互联网从业人员学习参考。

概率论与数理统计盛骤/谢式千/潘承毅/
在当前标签下被提到2次,总共被提到107次
《普通高等教育"十一五"国家级规划教材:概率论与数理统计(第四版)》是普通高等教育“十一五”国家级规划教材,在2001年出版的概率论与数理统计(第三版)的基础上增订而成。本次修订新增的内容有:在数理统计中应用Excel,bootstrap方法,P值检验法,箱线图等;同时吸收了国内外优秀教材的优点对习题的类型和数量进行了渊整和充实。《普通高等教育"十一五"国家级规划教材:概率论与数理统计(第四版)》主要内容包括概率论、数理统计、随机过程三部分,每章附有习题;同时涵盖了全国硕士研究生入学统一考试数学考试大纲的所有知识点。《普通高等教育"十一五"国家级规划教材:概率论与数理统计(第四版)》可作为高等学校工科、理科(非数学专业)各专业的教材和研究生入学考试的参考书,也可供工程技术人员、科技工作者参考。

统计学习基础:数据挖掘、推理与预测古铁雷斯 (Daniel D.Gutierrez)/施翊/
在当前标签下被提到1次,总共被提到4次
当前,机器学习和数据科学都是很重要和热门的相关学科,需要深入地研究学习才能精通。 本书试图指导读者掌握如何完成涉及机器学习的数据科学项目。本书将为数据科学家提供一些在统计学习领域会用到的工具和技巧,涉及数据连接、数据处理、探索性数据分析、监督机器学习、非监督机器学习和模型评估。本书选用的是R统计环境,书中所有代码示例都是用R语言编写的,涉及众多流行的R包和数据集。 本书适合数据科学家、数据分析师、软件开发者以及需要了解数据科学和机器学习方法的科研人员阅读参考。

数据挖掘:概念与技术韩家炜/Micheline Kamber/裴健/范明/孟小峰/
在当前标签下被提到1次,总共被提到8次
《数据挖掘:概念与技术(原书第3版)》完整全面地讲述数据挖掘的概念、方法、技术和最新研究进展。《数据挖掘:概念与技术(原书第3版)》对前两版做了全面修订,加强和重新组织了全书的技术内容,重点论述了数据预处理、频繁模式挖掘、分类和聚类等的内容,还全面讲述了OLAP和离群点检测,并研讨了挖掘网络、复杂数据类型以及重要应用领域。 海报:

大规模并行处理器编程实战柯克 (David B.Kirk)/胡文美 (Wen-mei W.Hwu)/赵开勇/汪朝辉/程亦超/
在当前标签下被提到1次,总共被提到12次
在上一版十分畅销的基础上,《大规模并行处理器编程实战(第2版)》全面更新了并行编程方法和技术的内容。本书旨在综述并行编程,展示了专业人士和学生都可以使用的一种编程思维,以此来指导并行编程和优化应用程序,从而使性能得到显著提升。本书作者David B. Kirk和Wen-mei W. Hwu所采用的简洁、直观、实用的方法基于他们多年的并行计算课程实践。 第2版新增的内容 • 并行模式:包括多章并行模式内容,是并行编程应用中使用的很多并行算法的基础。 • CUDA Fortran:新增的这一章介绍CUDA Fortran编程如何使用CUDA架构,其中讲解了几个CUDA Fortran编程的实用示例。 • OpenACC:新增的这一章介绍一个开放的并行编程预编译指令,以实现并行编程简洁化的目的。 • Thrust:Thrust库是CUDA C/C++的抽象层函数库。新增的这一章介绍了如何通过...

线性代数导论莱 (Lay D.C.)/刘深泉/
在当前标签下被提到1次,总共被提到12次
《线性代数及其应用(原书第3版)》根据“线性代数课程研究小组”的建议,通过认真观察学生的实际需要和许多不同专业使用线性代数知识的共同点而选材。《线性代数及其应用(原书第3版)》是一本优秀的现代教材,给出最新的线性代数基本介绍和一些有趣应用,目的是帮助学生掌握线性代数的基本概念及应用技巧,为后续课程的学习和工作实践奠定基础。与以前的版本相比,第3版中的概念更加形象化,而且在网上为学生和教师提供了进一步的技术支持。

MLAPPT.黑斯蒂 (Trevor Hastie)/
在当前标签下被提到1次,总共被提到17次
《统计学习基础(第2版)(英文)》内容简介:计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数据是一种挑战,这导致了统计学领域新工具的发展,并延伸到诸如数据挖掘、机器学习和生物信息学等新领域。许多工具都具有共同的基础,但常常用不同的术语来表达。《统计学习基础(第2版)(英文)》介绍了这些领域的一些重要概念。尽管应用的是统计学方法,但强调的是概念,而不是数学。许多例子附以彩图。《统计学习基础(第2版)(英文)》内容广泛,从有指导的学习(预测)到无指导的学习,应有尽有。包括神经网络、支持向量机、分类树和提升等主题,是同类书籍中介绍得最全面的。 《统计学习基础(第2版)(英文)》可作为高等院校相关专业本科生和研究生的教材,对于统计学相关人员、科学界和业界关注数据挖掘的人,《统计学习基础(第2版)(英文)》值得一读。

海量数据挖掘艾伦 H.威顿 (Ian H.Witten)/亚里斯蒂尔·莫夫特 (Alistair Moffat)/贝尔 (Timothy C.Bell)/梁斌/杨青/
在当前标签下被提到1次,总共被提到17次
《管理海量数据:压缩、索引和查询(第2版)(全新修订版)》是斯坦福大学信息检索和挖掘课程的首选教材之一,并已成为全球主要大学信息检索的主要教材。《管理海量数据——压缩、索引和查询(第2版)》理论和实践并重,深入浅出地给出了海量信息数据处理的整套解决方案,包括压缩、索引和查询的方方面面。其最大的特色在于不仅仅满足信息检索理论学习的需要,更重要的是给出了实践中可能面对的各种问题及其解决方法。 《管理海量数据——压缩、索引和查询(第2版)》作为斯坦福大学信息检索课程的教材之一,具有一定的阅读难度,主要面向信息检索专业高年级本科生和研究生、搜索引擎业界的专业技术人员和从事海量数据处理相关专业的技术人员。 海报:

Pattern Recognition and Machine LearningChristopher M. Bishop/
在当前标签下被提到1次,总共被提到48次
This is the first textbook on pattern recognition to present the Bayesian viewpoint. The book presents approximate inference algorithms that permit fast approximate answers in situations where exact answers are not feasible. It uses graphical models to describe probability distributions when no other books apply graphical models to machine learning. No previous knowledge of pattern recognition ...

An Introduction to Probabilistic Graphical ModelsPierre Bremaud/
在当前标签下被提到1次,总共被提到4次
Introduction to the basic concepts of probability theory: independence, expectation, convergence in law and almost-sure convergence. Short expositions of more advanced topics such as Markov Chains, Stochastic Processes, Bayesian Decision Theory and Information Theory.