《機器學(xué)習(xí)/計算機科學(xué)叢書》展示了機器學(xué)習(xí)中核心的算法和理論,并闡明了算法的運行過程。《機器學(xué)習(xí)/計算機科學(xué)叢書》綜合了許多的研究成果,例如統(tǒng)計學(xué)、人工智能、哲學(xué)、信息論、生物學(xué)、認(rèn)知科學(xué)、計算復(fù)雜性和控制論等,并以此來理解問題的背景、算法和其中的隱含假定!稒C器學(xué)習(xí)/計算機科學(xué)叢書》可作為計算機專業(yè)本科生、研究生教材,也可作為相關(guān)領(lǐng)域研究人員、教師的參考書。
如何讓計算機隨著經(jīng)驗的積累自動提高性能?這就是機器學(xué)習(xí)的目的!稒C器學(xué)習(xí)/計算機科學(xué)叢書》展示了機器學(xué)習(xí)中核心的算法和理論,并闡明了算法的運行過程!稒C器學(xué)習(xí)/計算機科學(xué)叢書》綜合了許多的研究成果,例如統(tǒng)計學(xué)、人工智能、哲學(xué)、信息論、生物學(xué)、認(rèn)知科學(xué)、計算復(fù)雜性和控制論等,并以此來理解問題的背景、算法和其中的隱含假定。
第1章引言
自從計算機問世以來,人們就想知道它們能不能自我學(xué)習(xí)。如果我們理解了計算機學(xué)習(xí)的內(nèi)在機制,即怎樣使它們根據(jù)經(jīng)驗來自動提高,那么影響將是空前的。想像一下,在未來,計算機能從醫(yī)療記錄中學(xué)習(xí),獲取治療新疾病最有效的方法;住宅管理系統(tǒng)分析住戶的用電模式,以降低能源消耗;個人軟件助理跟蹤用戶的興趣,并為其選擇最感興趣的在線早間新聞。對計算機學(xué)習(xí)的成功理解將開辟出許多全新的應(yīng)用領(lǐng)域,并使其計算能力和可定制性上升到新的層次。同時,透徹理解機器學(xué)習(xí)的信息處理算法,也會有助于更好地理解人類的學(xué)習(xí)能力(及缺陷)。
目前,我們還不知道怎樣使計算機具備和人類一樣強大的學(xué)習(xí)能力。然而,一些針對特定學(xué)習(xí)任務(wù)的算法已經(jīng)產(chǎn)生。關(guān)于學(xué)習(xí)的理論認(rèn)識已開始逐步形成。人們開發(fā)出很多實踐性的計算機程序來實現(xiàn)不同類型的學(xué)習(xí),一些商業(yè)化的應(yīng)用也已經(jīng)出現(xiàn)。例如,對于語音識別這樣的課題,迄今為止,基于機器學(xué)習(xí)的算法明顯勝過其他的方法。在數(shù)據(jù)挖掘領(lǐng)域,機器學(xué)習(xí)算法理所當(dāng)然地得到應(yīng)用,從包含設(shè)備維護記錄、借貸申請、金融交易、醫(yī)療記錄等信息的大型數(shù)據(jù)庫中發(fā)現(xiàn)有價值的信息。隨著對計算機認(rèn)識的日益成熟,機器學(xué)習(xí)必將在計算機科學(xué)和技術(shù)中扮演越來越重要的角色!
我們可以通過一些專項成果看到機器學(xué)習(xí)這門技術(shù)的現(xiàn)狀:計算機已經(jīng)能夠成功地識別人類的講話(Waibel1989,Leel989);預(yù)測肺炎患者的康復(fù)率(Cooperetal.1997);檢測信用卡的欺詐;在高速公路上自動駕駛汽車(Pomerleau1989);以接近人類世界冠軍的水平對弈西洋雙陸棋(Tesauro1992,1995)。
Tom M.Mitchell,是卡內(nèi)基梅隆大學(xué)的教授,講授“機器學(xué)習(xí)”等多門課程;美國人工智能協(xié)會(AAAL)的主席;美國《Machine Learning》雜志、國際機器學(xué)習(xí)年度會議(ICML)的創(chuàng)始人;多種技術(shù)雜志的撰稿人,曾發(fā)表過許多文章,出版過多本專著,是機器學(xué)習(xí)領(lǐng)域的知名學(xué)者。
出版者的話
專家指導(dǎo)委員會
譯者序
前言
第1章 引言
1.1 學(xué)習(xí)問題的標(biāo)準(zhǔn)描述
1.2 設(shè)計一個學(xué)習(xí)系統(tǒng)
1.2.1 選擇訓(xùn)練經(jīng)驗
1.2.2 選擇目標(biāo)函數(shù)
1.2.3 選擇目標(biāo)函數(shù)的表示
1.2.4 選擇函數(shù)逼近算法
1.2.5 最終設(shè)計
1.3 機器學(xué)習(xí)的一些觀點和問題
1.4 如何閱讀本書
1.5 小結(jié)和補充讀物
習(xí)題
第2章 概念學(xué)習(xí)和一般到特殊序
2.1 簡介
2.2 概念學(xué)習(xí)任務(wù)
2.2.1 術(shù)語定義
2.2.2 歸納學(xué)習(xí)假設(shè)
2.3 作為搜索的概念學(xué)習(xí)
2.4 FIND-S:尋找極大特殊假設(shè)
2.5 變型空間和候選消除算法
2.5.1 表示
2.5.2 列表后消除算法
2.5.3 變型空間的更簡潔表示
2.5.4 候選消除學(xué)習(xí)算法
2.5.5 算法的舉例
2.6 關(guān)于變型空間和候選消除的說明
2.6.1 候選消除算法是否會收斂到正確的假設(shè)
2.6.2 下一步需要什么樣的訓(xùn)練樣例
2.6.3 怎樣使用不完全學(xué)習(xí)概念
2.7 歸納偏置
2.7.1 一個有偏的假設(shè)空間
2.7.2 無偏的學(xué)習(xí)器
2.7.3 無偏學(xué)習(xí)的無用性
2.8 小結(jié)和補充讀物
習(xí)題
第3章 決策樹學(xué)習(xí)
3.1 簡介
3.2 決策樹表示法
3.3 決策樹學(xué)習(xí)的適用問題
3.4 基本的決策樹學(xué)習(xí)算法
3.4.1 哪個屬性是最佳的分類屬性
3.4.2 舉例
3.5 決策樹學(xué)習(xí)中的假設(shè)空間搜索
3.6 決策樹學(xué)習(xí)的歸納偏置
3.6.1 限定偏置和優(yōu)選偏置
3.6.2 為什么短的假設(shè)優(yōu)先
3.7 決策樹學(xué)習(xí)的常見問題
3.7.1 避免過度擬合數(shù)據(jù)
3.7.2 合并連續(xù)值屬性
3.7.3 屬性選擇的其他度量標(biāo)準(zhǔn)
3.7.4 處理缺少屬性值的訓(xùn)練樣例
3.7.5 處理不同代價的屬性
3.8 小結(jié)和補充讀物
習(xí)題
第4章 人工神經(jīng)網(wǎng)絡(luò)
4.1 簡介
4.2 神經(jīng)網(wǎng)絡(luò)表示
4.3 適合神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的問題
4.4 感知器
4.4.1 感知器的表征能力
4.4.2 感知器訓(xùn)練法則
4.4.3 梯度下降和delta法則
4.4.4 小結(jié)
……
第5章 評估假設(shè)
第6章 貝葉斯學(xué)習(xí)
第7章 計算學(xué)習(xí)理論
第8章 基于實例的學(xué)習(xí)
第9章 遺傳算法
第10章 學(xué)習(xí)規(guī)則集合
第11章 分析這習(xí)
第12章 歸納和分析學(xué)習(xí)的結(jié)合
第13章 增強學(xué)習(xí)