机器学习及其应用2017（中国计算机学会学术著作丛书——知识科学系列）_高阳、陈松灿_9787302487814

机器学习及其应用2017（中国计算机学会学术著作丛书——知识科学系列）

定价：¥58

中教价：¥29.00 (5.00折）

库存数： 0

购买数量：

    本书是对第十三届和第十四届中国机器学习及其应用研讨会的一个总结，共邀请了与会的7位专家就其研究领域撰文，以综述的形式探讨了机器学习不同分支及相关领域的研究进展。这些内容涉及稳健的矩阵回归模型、低秩模型的闭解、面向大规模学习的随机优化、张量分解、基于递归神经网络的图像描述算法、标记分布学习及其应用，以及软件缺陷挖掘。 本书可供计算机、自动化及相关专业的研究人员、教师、研究生和工程技术人员阅读参考。

　　1[]稳健的矩阵回归模型与方法*杨健罗雷南京理工大学模式计算与应用实验室，南京210094*本文得到国家自然科学基金(91420201和61472187)资助。1引言随着网络和信息技术的不断发展，全球数据量呈现爆炸式增长。特别地，人类在最近两年产生的数据量相当于之前产生的全部数据量。这些海量、复杂的数据已经对社会经济、政治、文化以及生活等方面产生了深远的影响。如何有效地分析它们使其更好地为人类服务是一个亟待解决的问题。近年来，机器学习方法已经渗透到了数据分析的各个方面，成为了其中的重要组成部分。它利用已知数据来学习和推理其中未知的、潜在的概率分布等重要信息，解释数据样本中变量（或特征）之间的关系。也就是说，它能从庞大的数据中揭示出数据的内在规律或本质结构。这种本质结构可方便人类对数据的理解，提高人类对数据的驾驭能力。为实现这一任务，我们首先要熟知数据分析中可能面临的问题。一方面，在实际的信号和图像采集与处理中，数据的维数越高，给数据的采集和处理带来越多的限制。大规模的数据不仅存在着较多的冗余、无关的属性，还会带来维数的灾难。另一方面，实际中数据往往结构复杂，例如采集的数据本身不完整或者存在大量的噪声，这导致了一些传统的数据处理技巧也许失效。基于线性回归（linearregression,LR）分析的方法一直是机器学习领域的研究热点。它的目的是估计测试数据与训练数据之间的关系。值得注意的是，这种关系可理解成数据的一种内在结构。为避免过拟合，一个正则项需要强加到LR模型中。基于L1范数的正则项和基于L2范数的正则项是目前使用最广泛的两种正则项。L2范数正则化的线性回归一般称为脊回归（ridgeregression）。该方法使用L2范数的平方来约束表示系数，并使用同样的方式来刻画表示残差。
　　……

你还可能感兴趣

我要评论

您的姓名	验证码：
留言内容