机器学习、深度学习与强化学习pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
下载压缩包 [复制下载地址] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页

机器学习、深度学习与强化学习PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 数据、数学与机器学习 1

1.1 概述 3

1.2 数学与机器学习 5

1.3 数据与机器学习 8

1.4 深度学习与强化学习 14

1.5 本章小结 19

第二章 分类与回归 21

2.1 常用的分类方法 24

2.2 分类的数学解释 32

2.3 回归分析 38

2.4 回归分析的数学解释 41

2.5 本章小结 46

第三章 特征选取 47

3.1 数据预处理的步骤 50

3.2 数据预处理与特征提取 57

3.3 主成分分析 59

3.4 因子分析 63

3.5 特征提取问题的数学解析 67

3.6 本章小结 72

第四章 聚类 75

4.1 基本概念 78

4.2 聚类的过程 82

4.3 分析方法 83

4.4 基于K-means算法的聚类规则 88

4.5 聚类问题的数学解释 91

4.6 本章小结 94

第五章 深度学习 97

5.1 概述 99

5.2 神经网络模型 101

5.3 神经网络学习方法 103

5.4 神经网络的数学解释 106

5.5 本章小结 111

第六章 强化学习 113

6.1 朴素贝叶斯 115

6.2 贝叶斯信念网 118

6.3 动态贝叶斯网络 120

6.4 一般时序模型 121

6.5 马尔可夫模型 131

6.6 本章小结 138

第七章 计算流与自组织 141

7.1 信息流与计算流的结合 143

7.2 学习中的自组织行为 144

7.3 神经动力学与自组织 153

参考文献 157