纽约大学一本书吃透机器学习之第二版-Foundations of Machine Learning(second edition)

《Foundations of Machine Learning》第二版是一本关于机器学习基础的全面书籍,旨在为研究人员提供参考书,同时为学生提供教材。书中涵盖了现代机器学习中的基本话题,并提供了讨论和论证算法所需的理论基础和概念工具。以下是本书的主要内容总结:

  1. 介绍:定义机器学习,并讨论其可以解决的问题、标准学习任务和学习阶段。
  2. PAC学习框架:介绍PAC(Probably Approximately Correct)学习模型,包括有限假设集的一致和非一致情况的保证。
  3. Rademacher复杂度和VC维度:讨论Rademacher复杂度、增长函数和VC维度。
  4. 模型选择:介绍估计和逼近误差、经验风险最小化(ERM)、结构风险最小化(SRM)和交叉验证等。
  5. 支持向量机(SVM):详细讲解线性分类、可分和不可分情况、支持向量以及边界理论。
  6. 核方法:介绍正定对称核、再生核Hilbert空间(RKHS)、负定对称核和序列核。
  7. 提升方法:主要讨论AdaBoost及其理论结果。
  8. 在线学习:包括专家建议的预测、线性分类、在线到批处理转换等。
  9. 多类分类:包括多类分类问题、泛化界、未组合和组合的多类算法。
  10. 排序:介绍排序问题、排序的SVM、RankBoost和双极排序等。
  11. 回归:讨论回归问题、回归算法及其泛化界。
  12. 最大熵模型:介绍密度估计问题、最大似然解、最大后验解和最大熵模型。
  13. 条件最大熵模型:讨论条件最大熵原则、条件最大熵模型及其性质。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值