《数据科学讲义》 - 台灣·大書城 - 杨志坚，焦雨领，吕锡亮 - 科学出版社

	登入帳戶　 \|　訂單查詢　 \|　購物車/收銀台(0)　\|　在線留言板　 \|　付款方式　 \|　聯絡我們　 \|　運費計算　 \|　幫助中心　\|　加入書簽
		會員登入新用戶註冊

HOME

新書上架

暢銷書架

好書推介

2024年度TOP

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

『簡體書』数据科学讲义

書城自編碼： 4095240
分類：簡體書→大陸圖書→教材→研究生/本科/专科教材
作者：杨志坚，焦雨领，吕锡亮
國際書號(ISBN)： 9787030805478
出版社：科学出版社
出版日期： 2025-01-01

頁數/字數： /
書度/開本： 16开釘裝：平装

售價：NT$ 332

我要買件

** 我創建的書架 **
未登入.

新書推薦：

《潮起潮落：当代世界政治中的民粹主义思潮》
售價：NT$ 500.0

《疗愈经济2 》
售價：NT$ 250.0

《养育是一生的课题》
售價：NT$ 352.0

《博伊德传：改变战争艺术的战斗机飞行员》
售價：NT$ 449.0

《苍生渡（共2册）》
售價：NT$ 356.0

《万千心理·积极心理学：有关幸福和人类优势的科学（原著第三版）》
售價：NT$ 643.0

《消极成瘾：转化消极，开启幸福（打破消极循环，告别自我消耗，重塑积极人生。6次修订，全球热销50余年、200万册的自我疗愈手册！）》
售價：NT$ 347.0

《盛世长安（实景还原 + 考古成果 + 文献印证，全景式呈现长安从汉到唐的城市细节）》
售價：NT$ 500.0

建議一齊購買：

NT$ 403
《时空数据模型原理与应用》

NT$ 411
《国际贸易实务（第七版）》

NT$ 347
《断层解剖学实验教程》

NT$ 857
《债法总论（第二版上下册）法学研究生教学书系》

NT$ 372
《园艺植物育种学（张菊平）》

NT$ 454
《植物学（第三版）》

內容簡介：

《数据科学讲义》系统地介绍了数据科学中的核心理论与实践方法，为读者理解和应用这些技术提供了坚实的基础。《数据科学讲义》涵盖了监督学习、无监督学习和强化学习的内容。其中，监督学习包括理论框架、线性模型、核方法、神经网络以及一阶优化方法。无监督学习涉及聚类分析、主成分分析和生成学习方法。强化学习提供对相关内容的深入探讨。

目录
丛书序
前言
第1章监督学习
1.1从训练数据到预测 2
1.2决策理论 3
第2章经验风险*小化
2.1风险的凸性 8
2.2经验风险分解 13
2.2.1逼近误差 14
2.2.2估计误差 14
2.3 Rademacher复杂度 17
2.4非渐近分析和渐近统计的关系 24
2.5练习 25
第3章线性*小二乘回归
3.1线性*小二乘回归的介绍 28
3.2*小二乘的概念 28
3.3普通*小二乘估计 29
3.3.1解析解 29
3.3.2几何解释 30
3.4固定设定 32
3.5岭回归 34
3.6估计下界 37
3.7随机设定下的分析 39
3.7.1高斯设定 40
3.7.2一般设定 41
3.8练习 42
第4章稀疏方法
4.1稀疏方法的介绍 44
4.2 *惩罚变量选择 47
4.2.1假设k已知 47
4.2.2估计k 49
4.3 *正则化的高维估计 52
4.3.1 慢速率 54
4.3.2 快速率 55
4.3.3 互相关条件 57
4.3.4 随机设定 58
4.4 扩展 59
4.5 练习 60
第5章核方法
5.1 核方法的介绍 64
5.2 表示定理 64
5.3 核 66
5.4 算法 72
5.5 Lipschitz连续的损失函数 75
5.6 岭回归的理论分析 79
5.7 练习 85
第6章机器学习中优化的介绍
6.1 机器学习中的优化 88
6.2 梯度下降 89
6.2.1 *简单的分析:普通*小二乘 89
6.2.2 凸函数和其他性质 92
6.2.3 强凸和光滑函数下对梯度下降的分析 93
6.2.4 凸和光滑函数下对梯度下降的分析 95
6.2.5 除了梯度下降的额外补充 97
6.2.6 非凸目标函数 98
6.3 在非光滑问题上的梯度下降方法 99
6.4 随机梯度下降的收敛率 101
6.4.1 强凸问题 103
6.4.2 方差缩减 105
6.5 练习 110
第7章神经网络
7.1 神经网络的介绍116
7.2 单隐藏层神经网络 116
7.3 单隐藏层神经网络的近似性质119
7.4 拓展 128
7.5 练习 128
第8章生成对抗网络
8.1 生成对抗网络的介绍130
8.2 通过比较进行学习 131
8.3生成对抗网络推导、训练与收敛性138
8.4条件生成对抗网络 145
8.5利用生成对抗网络进行推理 146
8.6生成对抗网络的神经结构146
8.7应用 149
第9章主成分分析
第10章强化学习
10.1 强化学习的介绍 166
10.2 基于价值的强化学习 168
10.3 基于策略的强化学习 172
10.4 基于模型的强化学习 178
10.5 离轨策略学习 181
10.6 基于概率推理的强化学习方法 186
第11章聚类分析
11.1 聚类分析的介绍 194
11.2 分层聚类 196
11.3 K均值聚类 199
参考文献
附录A 基础知识
A.1 线性代数与微分 209
A.2 集中不等式 212

書城介紹　 \|　合作申請　\|　索要書目　 \|　新手入門　\|　聯絡方式　 \|　幫助中心　\|　找書說明　 \|　送貨方式　\|　付款方式	台灣用户　\|　香港/海外用户

megBook.com.tw
Copyright (C) 2013 - 2025 （香港）大書城有限公司　All Rights Reserved.