📖 书目详情
机器学习与数据科学中的优化算法
| 著者 | (美)斯蒂芬·J.赖特(Stephen J. Wright),(美)本杰明·雷希特(Benjamin Recht)著 |
| ISBN | 9787111787655 |
| 中图分类 | TP181 自动化技术、计算机技术 |
| 学科分类 | 工学 |
| 版次 | 第1版 |
| 出版社 | 机械工业出版社 |
| 丛书名 | 数学应用系列 |
| 出版年 | 2025 |
| 页码 | 214页 |
| 价格 | ¥79.00 |
| 可推荐册数 | 请登录后查看 |
| 核心评分 |
9.9/10
|
📝 内容简介
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,本书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。
🏛️ 本馆馆藏信息
本馆暂无该书的馆藏记录,可在线借购