　　涉及大量统计学理论，
　　让人工智慧「自动学习」的演算法，
　　就是应用于电脑视觉、资料探勘、证券试场分析的机器学习。
　　搜寻引擎、语音及手写辨识、战略游戏也能看到它的踪迹。
　　透过预测、判断、评估、排序，提高准确率！
　　打好机器学习基础，工作从此事半功倍！

好评推荐

　　日本读者好评推荐
　　真的很好懂。虽然需要有线性代数和偏微分的底子，但不需要实际计算，只要看懂基本概念就行了。书中有丰富的图片和亲切的说明，让读者容易吸收，非常推荐！──Masaru Kamata

　　是一本适合初学者的书。就连没有机械学习知识的我也能理解整体概念。书末附上的索引在深入查询时非常好用。漫画部分鲜活的角色和情节也将内容的难度降低了。推荐给想了解机械学习的人。──JyunJyun

　　巧妙地将漫画和工作书结合，让人一读就停不下来了。最大的优点是有附数学解说，也有举出现实中的应用范例，让读者了解能应用的场合和方式。Q&A的部分能激发思考，加深理解。我会推荐这本书给学生看。──Танечка

著者信息

作者简介

荒木雅弘

　　1998年取得（工学）博士学位（京都大学）。
　　1999年曾任京都工艺纤维大学工艺学系助理教授。
　　2007年起任职京都工艺纤维大学工艺科学研究科副教授。

　　〈着作〉
　　《语音对话系统》（合着，欧姆社）
　　《用免费软体建构语音辨识系统从模式辨识、基本机器学习到对话系统》（森北出版）
　　《用免费软体学习语意网与相关互动》（森北出版）
　　《用免费软体开始机器学习入门》（森北出版）
　　《图解语音辨识》（讲谈社）

审订者简介

张智星

　　现职：台湾大学资讯系教授、台大医院资讯室主任、台大金融科技研究中心主任
　　学历：美国加州大学柏克莱分校电机电脑系博士
　　经历：工研院资通所顾问
　　授课科目：资料结构与演算法、科学计算、金融科技导论、音乐讯号分析与检索、人工智慧及深度机器学习之生医药产业应用
　　研究领域：语音辨识与评分、音乐分析与检索、精准寻与行销、医疗大数据分析

译者简介

卫宫纮

　　清华大学原子科学院学士班毕。现为自由译者。译作有《上司完全使用手册》（东贩）、《超慢跑入门》（商周）、《男人懂了这些更成功》（潮客风）、《世界第一简单电力系统》（世茂）……等。赐教信箱：emiyahiro@hotmail.com.tw

世界第一简单机器学习 pdf epub mobi txt 电子书下载

图书目录

序

序章请教我机器学习！
纱耶香的房间① 纱耶香与女高中生小爱

第1章怎么做回归？
1.1 预测数据的困难
1.2 从解释变数求目标变数
1.3 求线性回归函数
1.4 正规化的效果
纱耶香的房间② 数学的复习1

第2章怎么进行识别？
2.1 整理资料
2.2 由资料预测类别
2.3 逻辑识别
2.4 决策树的识别
纱耶香的房间③ 数学的复习②

第3章评估结果
3.1 要用测试资料评估才有意义
3.2 训练资料、检验资料、评估资料
3.3 交叉验证法
3.4 准确率、精确率、召回率、F值
纱耶香的房间④ 数学的复习③

第4章深度学习
4.1 神经网路
4.2 反向传播法训练
4.3 挑战深度学习
4.3.1 深度神经网路的问题点
4.3.2 多层训练上的技巧 1事前训练法
4.3.3 多层训练上的技巧 ②激活函数
4.3.4 多层训练上的技巧 ③规避过度学习
4.3.5 结构特化的神经网路
纱耶香的房间⑤ 数学的复习④

第5章整体学习
5.1 装袋法
5.2 随机森林
5.3 提升法
纱耶香的房间⑥ 数学的复习⑤

第6章非监督式学习
6.1 集群分析
6.1.1 阶层式集群分析
6.1.2 分割式集群分析
6.2 矩阵分解
纱耶香的房间⑦ 数学的复习⑥

结尾
索引

图书序言

序

　　本书会举出几项机器学习中较具代表性的手法，并尽可能简单解说其概要，预设的读者为具备大一程度数学知识的机器学习初学者。如果自身对数学式不太熟悉的话，可翻阅各章后面的数学相关说明，大致掌握这些数学式的用处即可。

　　本书在内容的安排上，一开始会先设定问题，接着举出解决该问题的方式，再对各机器学习手法进一步说明。各章设定的问题与解决手法如下：

　　章节问题手法
　　1 预测活动参加人数线性回归
　　2 判断糖尿病高危险群逻辑识别、决策树
　　3 评估训练成果分割学习法、交叉验证法
　　4 排行葡萄的等级卷积神经网路
　　5 判断糖尿病高危险群（再挑战）整体学习
　　6 推荐相关活动集群分析、矩阵分解

　　各章所介绍的手法仅为粗浅内容，想要实际运用这些手法，建议先深入理解相关的专业参考书后，再来尝试挑战。

　　最后，我想感谢给予这次执笔机会的欧姆社股份有限公司，也要向渡真加奈老师与Verte股份有限公司的同仁表达最深的谢意，感谢您们将我的拙劣原稿改编成如此生动活泼的漫画故事。

图书试读

纱耶香的房间1 纱耶香与女高中生小爱

纱：好久不见，小爱。上次碰面是在爷爷家吧？

爱：对啊，那个时候表姊妹都在嘛。

话说回来，纱耶姊，今天怎么了吗？

纱：今天……大学的学弟来请教机器学习，我就帮他稍微上了一下课，但不晓得他是不是真的听懂……

我记得小爱在高中选择理工组，所以想听听妳的看法。

爱：机器学习是指AI吗？机器的智能，感觉好像很难。

纱：不过，机器学习的本质是根据资料建立数学模型，再由电脑来驱动这个模型唷。这个数学模型的基础部分，大概高中生应该理解才对。

爱：我是有在天文部编写过观测用的程式，数学也是喜欢的科目，只有这些知识能够理解吗？

纱：小爱的话，没问题的。

第一次上课讲了回归问题，妳能听听看吗？

爱：好吧。我就来听听这个困难的东西！

纱耶香的房间2 数学的复习-1

纱：小爱到哪边能够听懂？

爱：出现好多向量、矩阵耶。向量是用括号括住一排数字，二维向量是（a,b）、三维向量是（a,b,c），但维向量我就不太清楚了……

纱：在4以上后，无法想像该空间，的确会觉得比较难懂。不过，我们不用勉强想像空间，可简单看作是许多数字排在一块就行了。

爱：数字纵向排成的列向量有什么意义吗？

纱：没有特别的意义，但这边在排列复数特征时，约定俗成会排成纵方向。机器学习会很常遇到矩阵和向量的乘法计算，矩阵从左侧乘上列向量时，可用矩阵的积来表示矩阵的合成，相当便利。

爱：高中没有教矩阵……。

纱：嗯……矩阵可以想成是数字排成四角型。

纱：虽然行列的定义在有些国家相反，但日本数学的定义是横方向为行、纵方向为列。我是以行列汉字「右半部」两条线的方向来记忆唷。

爱：原来如此！

纱：举例来说，行方向有两个数字、列方向有两个数字，会称为2行2列的矩阵。矩阵的加法是相加相同位置的数字，但乘法就比较麻烦了。

纱：相乘后矩阵第n行第m列的数值，是取出前面矩阵的第行和后面矩阵的第m列，依行列数字出现的先后顺序相乘，再把各乘积相加起来求得。

爱：这样的话，如果前面矩阵的列数和后面矩阵的行数不同，就没有办法做乘法。