安徽科技学院图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

数据科学优化方法/孙怡帆编著

出版发行项:

北京:中国人民大学出版社,2023

ISBN及定价:

978-7-300-31670-3/CNY49.00

载体形态项:

225页:图;26cm

并列正题名:

Optimization method in data science

丛编项:

数据科学与大数据技术丛书

个人责任者:

孙怡帆 编著

学科主题:

数据处理-最优化算法-高等学校-教材

中图法分类号:

TP274

一般附注:

中国人民大学“十三五”规划教材

责任者附注:

孙怡帆, 中国人民大学应用统计科学研究中心研究员, 统计学院教授, 博士生导师, 数理统计系系主任, 全国工业统计学教学研究会常务理事, 中国统计教育学会理事。

书目附注:

有书目 (第224-225页)

提要文摘附注:

本书一方面, 系统全面地讲述了无约束和有约束最优化问题的常用求解方法, 包括负梯度方法、牛顿方法、拟牛顿方法、共轭梯度方法、罚函数方法等。另一方面, 加入近几年在数据科学领域受到广泛关注的一些新型一阶最优化方法, 例如随机梯度下降方法、小批量随机梯度下降方法、动量方法、Nesterov加速梯度方法、Adam方法等。特别地, 本书着重讲述了在数据科学中占据重要地位的正则最优化问题, 并介绍其求解方法, 包括坐标下降方法、近端方法和交替方向乘子方法。其次, 本书注重理论和实践相结合。主要的最优化方法均配有详细例子加以解释和阐述, 并在章的最后一节进行数值实验, 通过几个典型的最优化问题展示最优化方法的实际数值表现, 有助于读者对方法性能建立起直观感受。

豆瓣简介：