0人評分過此書
機器學習（Lasso推論模型）：使用Stata、Python分析
你絕對不能錯過的機器學習工具書！
※揭開機器學習的神祕面紗，深入了解機器學習。
※理論與實務兼具，詳細解說機器學習理論，搭配使用Python與Stata實作，架構完整。
※內容與時俱進，理解當今機器學習的最新模型與技術。
※隨書附贈範例資料檔光碟
近年來，科技產業迅速發展，新技術不斷出現，人工智慧、機器學習、大數據、資料科學成為炙手可熱的話題。各個領域紛紛投入人工智慧與機器學習的研究及應用，但究竟什麼是人工智慧？機器學習又是什麼？
機器學習是人工智慧應用最成熟的領域。本書首先解說機器學習與人工智慧、統計學的關係，給予讀者完整的知識輪廓，接著深入探討機器學習的理論模型，例如：Lasso迴歸、梯度下降法、深度學習、隨機森林，同時輔以Python與Stata實作範例。本書兼具理論與實際操作，是給想深入研究機器學習與人工智慧的你，最適合的一本工具書。
※揭開機器學習的神祕面紗，深入了解機器學習。
※理論與實務兼具，詳細解說機器學習理論，搭配使用Python與Stata實作，架構完整。
※內容與時俱進，理解當今機器學習的最新模型與技術。
※隨書附贈範例資料檔光碟
近年來，科技產業迅速發展，新技術不斷出現，人工智慧、機器學習、大數據、資料科學成為炙手可熱的話題。各個領域紛紛投入人工智慧與機器學習的研究及應用，但究竟什麼是人工智慧？機器學習又是什麼？
機器學習是人工智慧應用最成熟的領域。本書首先解說機器學習與人工智慧、統計學的關係，給予讀者完整的知識輪廓，接著深入探討機器學習的理論模型，例如：Lasso迴歸、梯度下降法、深度學習、隨機森林，同時輔以Python與Stata實作範例。本書兼具理論與實際操作，是給想深入研究機器學習與人工智慧的你，最適合的一本工具書。
-
Chapter1 AI⊃機器學習（ML）的關係
-
1-1 著名的AI系統、頂尖AI公司、最佳AI軟體
-
1-2 人工智慧（AI）之發展
-
1-3 機器學習（machine learning， ML）概論
-
-
Chapter2 機器學習（ML）與統計關係
-
2-1 統計、估計
-
2-2 機器學習（ML）之原理（principles）
-
2-3 機器學習（ML）之重點整理
-
2-4 類神經網路（ANN）：單一隱藏層
-
2-5 深度學習（deep learning）：多個隱藏層
-
2-6 深度學習結構，有4 種：DNN、DBN、CNN、CDBN
-
2-7 深度學習法（非線性模型）：兩個隱藏層的多層感知器（外掛指令mlp2）
-
-
Chapter3 機器學習式迴歸之重點整理（經濟學）
-
3-1 統計vs.機器學習之懲罰項迴歸（感測器來收集大數據）
-
3-2 特徵選擇（feature selection）（從眾多預測變數組合中，挑有意義Xs）
-
3-3 收縮估計法（shrinkage estimation）：自變數（特徵）選擇採用嵌入法
-
3-4 交叉驗證：避免一次性訓練及測試資料所產生偏誤（Stata 外掛指令loocv 指令）
-
3-5 降維（降低維度，dimension reduction）
-
3-6 非線性模型（nonlinear models）：神經網路
-
3-7 集成學習（ensemble learning）：決策樹、迴歸樹至隨機森林
-
3-8 大數據（big data）
-
-
Chapter4 Lasso迴歸、平方根lasso 迴歸、elastic net迴歸、Lasso推論模型：（收縮法shrinkage）
-
4-1 Ridge 迴歸（L2-norm）、Lasso（L1-norm）、elastic net迴歸是什麼？
-
4-2 三種Lasso迴歸式，挑選最佳λ之收縮率（lasso linear 等指令）
-
4-3 elastic net迴歸⊃Ridge 迴歸（elasticnet linear等指令）
-
4-4 ridge、Lasso、elastic net 迴歸的比較（外掛指令lassoregress、ridgeregress、elasticregress）
-
4-5 Lasso 推論模型：連續依變數
-
4-6 Lasso 推論模型：二元依變數
-
-
Chapter5 梯度下降法、深度學習分析
-
5-1 梯度下降法（gradient descent）
-
5-2 Python 實作：梯度下降演算法（gradientdescent algorithm）
-
-
Chapter6 集成（ensemble）學習：隨機森林迴歸（外掛指令randomforest）
-
6-1 決策樹（decision tree）：森林的元素
-
6-2 隨機森林的原理
-
6-3 隨機森林之迴歸分析：連續依變數（外掛指令randomforest）
-
6-4 隨機森林之迴歸分析：二元依變數外掛指令（randomforest）
-
-
Chapter7 支援向量機（SVM）之分析（外掛指令：svmachines）
-
7-1 機器學習法：支援向量機（SVM）的原理
-
7-2 支援向量機之迴歸分析：連續依變數（外掛指令svmachines）
-
7-3 支援向量機之迴歸分析：類別依變數（外掛指令svmachines）
-
- 出版地 ： 臺灣
- 語言 ： 繁體中文
評分與評論
請登入後再留言與評分
PDF
PDF
PDF
PDF
PDF
