機器學習聖經：最完整的統計學習方法(好評熱銷版) 李航
產品編號：9786267757185
促銷 團購優惠-聯合 出版社
購物每消費滿300元，可獲得1元購物金
網路價
NT${{ commaFormat(product.price_actu) }}
NT${{commaFormat(product.price_sugg)}}
專屬特惠價 NT${{ commaFormat(product.group_price) }}
優惠價
NT${{ commaFormat(product.member_price) }}
NT${{ commaFormat(product.group_price) }}
商品組合
贈品 (買就送)
{{ pItem.title }}
| 備註 | ⭐此書較長備貨，下單後約7-10個工作日(不含例假日)寄出 |
| 此商品不適用 |
促銷活動 會員等級折扣 優惠券 購物金折抵 |
付款方式
轉帳/匯款/無摺存款 / LinePay付款 / 超商代碼付款(綠界金流) / 信用卡一次付清(綠界金流) / AFTEE 先享後付 / [圖書專用] 7-11取貨付款
配送方式
7-11超商取貨 / 全家超商取貨 / 宅配到家 / 校園門市店到店取貨(需7~10個工作天，急用勿選)
超值加購
{{ pItem.title }}
型號:{{ pItem.model }}
加購價 NT${{pItem.extra_price}}
(原價NT${{pItem.price_orig}})
加購數量
已搶購一空
出版商:深智
出版日期:2025-08-19
語言:繁體中文
頁數:584
ISBN-13:
9786267757185
【內容】
統計學習方法即為機器學習方法，是電腦及其應用領域的重要學科之一。
本書分為監督學習、無監督學習兩篇，全面系統地介紹了統計學習的主要方法。
將監督學習和無監督學習中最常用、最重要的各類方法以系統性的方式論述，每章講解一種方法，各章內容相對獨立且完整，也有相關習題、參考文獻，並於最後加以總結。讀者可以將全書詳讀，也可以選擇單章細讀。期望讓讀者可以順利掌握完整又清晰的相關知識，進而打下穩固的基礎，並能準確地使用。
本書涵蓋感知機、k近鄰法、單純貝氏法、決策樹、邏輯回歸及最大熵模型、支持向量機、提升方法、EM演算法、隱馬可夫模型、條件隨機場、聚類法、奇異值分解(SVD)、主成分分析(PCA)、潛在語義分析、機率潛在語義分析、馬可夫鏈蒙地卡羅法、潛在狄利克雷分配(LDA)、PageRank演算法等。
【適合讀者群】
．具高等數學、線性代數和機率統計的基礎知識
．從事資訊檢索、自然語言處理、文字資料探勘等領域的學生與研究人員
．從事電腦應用相關專業的研究人員
【目錄】
▌第1篇 監督學習
Chapter01 統計學習及監督學習概論
1.1 統計學習
1.2 統計學習的分類
1.3 統計學習方法三要素
1.4 模型評估與模型選擇
1.5 正則化與交叉驗證
1.6 泛化能力
1.7 生成模型與判別模型
1.8 監督學習應用
Chapter 02 感知機
2.1 感知機模型
2.2 感知機學習策略
2.3 感知機學習演算法
Chapter 03 k近鄰法
3.1 k近鄰演算法
3.2 k近鄰模型
3.3 k近鄰法的實現：kd樹
Chapter 04 單純貝氏法
4.1 單純貝氏法的學習與分類
4.2 單純貝氏法的參數估計
Chapter 05 決策樹
5.1 決策樹模型與學習
5.2 特徵選擇
5.3 決策樹的生成
5.4 決策樹的剪枝
5.5 CART演算法
Chapter 06 邏輯回歸與最大熵模型
6.1 邏輯回歸模型
6.2 最大熵模型
6.3 模型學習的最佳化演算法
Chapter 07 支持向量機
7.1 線性可分支持向量機與硬間隔最大化
7.2 線性支持向量機與軟間隔最大化
7.3 非線性支持向量機與核函數
7.4 序列最小最佳化演算法
Chapter 08 提升方法
8.1 提升方法AdaBoost演算法
8.2 AdaBoost演算法的訓練誤差分析
8.3 AdaBoost演算法的解釋
8.4 提升樹
Chapter 09 EM演算法及其推廣
9.1 EM演算法的引入
9.2 EM演算法的收斂性
9.3 EM演算法在高斯混合模型學習中的應用
9.4 EM演算法的推廣
Chapter 10 隱馬可夫模型
10.1 隱馬可夫模型的基本概念
10.2 機率計算演算法
10.3 學習演算法
10.4 預測演算法
Chapter 11 條件隨機場
11.1 機率無向圖模型
11.2 條件隨機場的定義與形式
11.3 條件隨機場的機率計算問題
11.4 條件隨機場的學習演算法
11.5 條件隨機場的預測演算法
Chapter 12 監督學習方法總結
▌第2篇 無監督學習
Chapter 13 無監督學習概論
13.1 無監督學習基本原理
13.2 基本問題
13.3 機器學習三要素
13.4 無監督學習方法
Chapter 14 聚類方法
14.1 聚類的基本概念
14.2 層次聚類
14.3 k均值聚類
Chapter 15 奇異值分解
15.1 奇異值分解的定義與性質
15.2 奇異值分解的計算
15.3 奇異值分解與矩陣近似
Chapter 16 主成分分析
16.1 整體主成分分析
16.2 樣本主成分分析
Chapter 17 潛在語義分析
17.1 單字向量空間與話題向量空間
17.2 潛在語義分析演算法
17.3 非負矩陣分解演算法
Chapter 18 機率潛在語義分析
18.1 機率潛在語義分析模型
18.2 機率潛在語義分析的演算法
Chapter 19 馬可夫鏈蒙地卡羅法
19.1 蒙地卡羅法
19.2 馬可夫鏈
19.3 馬可夫鏈蒙地卡羅法
19.4 Metropolis-Hastings演算法
19.5 吉布斯抽樣
Chapter 20 潛在狄利克雷分配
20.1 狄利克雷分佈
20.2 潛在狄利克雷分配模型
20.3 LDA的吉布斯抽樣演算法
20.4 LDA的變分EM演算法
Chapter 21 PageRank演算法
21.1 PageRank的定義
21.2 PageRank的計算
Chapter 22 無監督學習方法總結
22.1 無監督學習方法的關係和特點
22.2 話題模型之間的關係和特點
Appendix A 梯度下降法
Appendix B 牛頓法和擬牛頓法
Appendix C 拉格朗日對偶性
Appendix D 矩陣的基本子空間
Appendix E KL散度的定義和狄利克雷分佈的性質
Appendix F 索引
▌第1篇 監督學習
Chapter01 統計學習及監督學習概論
1.1 統計學習
1.2 統計學習的分類
1.3 統計學習方法三要素
1.4 模型評估與模型選擇
1.5 正則化與交叉驗證
1.6 泛化能力
1.7 生成模型與判別模型
1.8 監督學習應用
Chapter 02 感知機
2.1 感知機模型
2.2 感知機學習策略
2.3 感知機學習演算法
Chapter 03 k近鄰法
3.1 k近鄰演算法
3.2 k近鄰模型
3.3 k近鄰法的實現：kd樹
Chapter 04 單純貝氏法
4.1 單純貝氏法的學習與分類
4.2 單純貝氏法的參數估計
Chapter 05 決策樹
5.1 決策樹模型與學習
5.2 特徵選擇
5.3 決策樹的生成
5.4 決策樹的剪枝
5.5 CART演算法
Chapter 06 邏輯回歸與最大熵模型
6.1 邏輯回歸模型
6.2 最大熵模型
6.3 模型學習的最佳化演算法
Chapter 07 支持向量機
7.1 線性可分支持向量機與硬間隔最大化
7.2 線性支持向量機與軟間隔最大化
7.3 非線性支持向量機與核函數
7.4 序列最小最佳化演算法
Chapter 08 提升方法
8.1 提升方法AdaBoost演算法
8.2 AdaBoost演算法的訓練誤差分析
8.3 AdaBoost演算法的解釋
8.4 提升樹
Chapter 09 EM演算法及其推廣
9.1 EM演算法的引入
9.2 EM演算法的收斂性
9.3 EM演算法在高斯混合模型學習中的應用
9.4 EM演算法的推廣
Chapter 10 隱馬可夫模型
10.1 隱馬可夫模型的基本概念
10.2 機率計算演算法
10.3 學習演算法
10.4 預測演算法
Chapter 11 條件隨機場
11.1 機率無向圖模型
11.2 條件隨機場的定義與形式
11.3 條件隨機場的機率計算問題
11.4 條件隨機場的學習演算法
11.5 條件隨機場的預測演算法
Chapter 12 監督學習方法總結
▌第2篇 無監督學習
Chapter 13 無監督學習概論
13.1 無監督學習基本原理
13.2 基本問題
13.3 機器學習三要素
13.4 無監督學習方法
Chapter 14 聚類方法
14.1 聚類的基本概念
14.2 層次聚類
14.3 k均值聚類
Chapter 15 奇異值分解
15.1 奇異值分解的定義與性質
15.2 奇異值分解的計算
15.3 奇異值分解與矩陣近似
Chapter 16 主成分分析
16.1 整體主成分分析
16.2 樣本主成分分析
Chapter 17 潛在語義分析
17.1 單字向量空間與話題向量空間
17.2 潛在語義分析演算法
17.3 非負矩陣分解演算法
Chapter 18 機率潛在語義分析
18.1 機率潛在語義分析模型
18.2 機率潛在語義分析的演算法
Chapter 19 馬可夫鏈蒙地卡羅法
19.1 蒙地卡羅法
19.2 馬可夫鏈
19.3 馬可夫鏈蒙地卡羅法
19.4 Metropolis-Hastings演算法
19.5 吉布斯抽樣
Chapter 20 潛在狄利克雷分配
20.1 狄利克雷分佈
20.2 潛在狄利克雷分配模型
20.3 LDA的吉布斯抽樣演算法
20.4 LDA的變分EM演算法
Chapter 21 PageRank演算法
21.1 PageRank的定義
21.2 PageRank的計算
Chapter 22 無監督學習方法總結
22.1 無監督學習方法的關係和特點
22.2 話題模型之間的關係和特點
Appendix A 梯度下降法
Appendix B 牛頓法和擬牛頓法
Appendix C 拉格朗日對偶性
Appendix D 矩陣的基本子空間
Appendix E KL散度的定義和狄利克雷分佈的性質
Appendix F 索引
【關於教科書訂購說明】
☆ 單本即有折扣，將商品放入購物車就可以看見優惠價唷！五本以上團購更便宜！加入會員訂購，還可累積購物金！
★ 若有急需用書，可先LINE私訊詢問庫存呦~
☆ 出貨時間：有現貨的，2個工作日內出貨；無現貨，約3~5個工作日 出貨
【寄送方式說明】
❶ 實體門市取貨
全台麗文校園書局皆可取貨，貨到書局將會以簡訊通知。
❷ 超商取貨
提供7-11及全家超商取貨(需先付款，無貨到付款)。
❸ 一般宅配
本公司主要與黑貓宅急便配合，送達到您指定的地址。
※當您於本網站消費交易完成後，電子發票將會以電子郵件寄給您；如需紙本發票請於下訂時於備註欄位說明。
【付款方式說明】
❶ ATM轉帳、匯款
銀行│第一銀行-三民分行
代號│007
戶名│麗文文化事業股份有限公司
帳號│704-10-051861
※實體ATM每日轉帳最高限額為3萬，若訂購金額超過3萬元，請分兩天或是使用不同的銀行帳戶轉帳。
❷ 信用卡（可分期，需負擔手續費）
凡各家銀行的VISA、MASTER、Union Pay、JCB信用卡皆可使用。
❺ 超商代碼
系統會發送繳費代碼至您的電子信箱，需自行至「超商機器ex：iBon」輸入代碼，產生繳費單後前往櫃檯繳費。
❼ 免卡分期
麗文校園購與「zingala銀角零卡」「第一資融」以及「皮路後支付」合作，讓您免用信用卡就可以購物。
如有使用上的問題，可以先與揪小編聯絡唷！。
※請注意：超過7天未付款之訂單則訂單自動失效；免卡分期訂單成立起7天內未主動聯繫亦同。
【其他說明】
❶關於出貨
1.商品為不缺貨前提下，訂單完成付款後2-4個工作天將會出貨(不含例假日及國定假日)；若商品缺貨則須等待1-2週。
2.麗文校園揪來玩保留訂單接受與否權利，若因交易條件有誤或有其他情形導致我們無法接受您的訂單，將以E-mail發送取消訂單通知給您，造成不便敬請見諒。
❷關於退貨
1.非門市現場消費享有七天猶豫期，收到商品當天往後算七天內若是決定不買，則協助不要拆封，一拆封視同願意購買。
2.若真的決定不購買商品要退貨，請聯繫我們LINE線上客服，我們會盡速為您處理。
❸關於新品瑕疵與維修保固
1.全新商品享有購買七日內，新品瑕疵的換新保障；但新品瑕疵與否，是由商品代理商或原廠所判定，麗文校園揪來玩僅能依據判定的結果給予協助。若是原廠判定非新品瑕疵則無法換新，需改為維修的方式處理。
2.新品瑕疵換新的作業時間，將依各廠商的流程而定，最快2個工作天，慢的話也可能需要到15個工作天。
3.購買超過七日後，維修服務由原廠提供。如有需要維修，麗文校園揪來玩可以代為送修，但送修如需運費時（EX:原廠沒有提供免費收件服務），則需由您負擔送修的運費（運費約為100元起，因商品大小而異）。
【華碩的維修服務】
