|
题名:
|
机器学习与数据科学中的优化算法 / (美) 斯蒂芬·J. 赖特, (美) 本杰明·雷希特著 , 张璐, 陈畅译 |
|
ISBN:
|
978-7-111-78765-5 价格： CNY79.00 |
|
语种:
|
chi |
|
载体形态:
|
214页 图 24cm |
|
出版发行:
|
出版地： 北京 出版社： 机械工业出版社 出版日期： 2025 |
|
内容提要:
|
本书以一种紧凑且自成体系的方式涵盖了优化算法的基础知识，重点介绍了与数据科学最相关的技术。具体来说，首先展示了数据科学中的许多标准问题都可以表述为优化问题。接下来，描述并分析了优化领域的许多基本方法，包括用于平滑函数(特别是凸函数)的无约束优化的梯度法和加速梯度法、随机梯度法(机器学习中的主要算法)、坐标下降法、用于约束优化问题的几种关键算法、用于最小化数据科学中出现的非平滑函数的算法、非平滑函数和优化对偶性分析的基础，以及与神经网络相关的反向传播方法。 |
|
主题词:
|
机器学习 |
|
主题词:
|
最优化算法 |
|
中图分类法:
|
TP181 版次： 5 |
|
中图分类法:
|
O242.23 版次： 5 |
|
主要责任者:
|
赖特 著 |
|
主要责任者:
|
雷希特 著 |
|
次要责任者:
|
张璐 译 |
|
次要责任者:
|
陈畅 译 |
|
附注:
|
CMP BOOKS |
|
责任者附注:
|
斯蒂芬·J. 赖特(Stephen J. Wright)，现任威斯康星大学麦迪逊分校GeorgeBDantzig教授、Sheldon Lubar讲席教授，以及Amar和Balinder Sohi计算机科学教授，同时担任威斯康星州发现研究所的研究员。 |
|
责任者附注:
|
本杰明·雷希特(Benjamin Recht)，加州大学伯克利分校电气工程与计算机科学系副教授。其研究团队致力于通过运用优化、统计和动力系统的数学工具，提升机器学习系统在动态不确定环境中的稳健性。 |