孙公理成日首富
据福布斯报道，受软银方案在美国投资500亿美元音讯拉动，本周软银股价累计下跌6.1%，首席履行官孙公理(Masayoshi Son)团体财富也因而猛增20亿美元至197亿美元， 代替日本批发业亿万富豪柳井正(Tadashi Yanai)成为日本首富。而在过来两年，柳井正不断是日本首富。
孙公理周二在和美国候任总统特朗普停止了45分钟的闭门谈判后表现，将在美国投资500亿美元，发明5万个新任务岗亭。孙公理以他在科技和电信范畴的大手笔投资而为人所知。2013年，孙公理斥资220亿美元收买美国挪动运营商Sprint Nextel。他还曾有意收买挪动运营商T-Mobile，后因反垄断监管压力保持。孙公理还在2013年时斥资逾1亿美元在加利福尼亚州购得一处豪宅。软银在全球的其他次要投资包含阿里巴巴、英国挪动芯片设计公司ARM和芬兰游戏开辟公司Supercell。
2000年2月时，孙公理曾长久成为全球首富，他的团体财富飙升到了760亿美元。事先，软银持有包含雅虎、E-Trade在内的美国公司少量股份。1999年，马云在四处探求投资人，他找到了日本软银集团的创始人孙公理。这个身材矮小、语速很快、充满激情的中年人，只花费了几分钟听马云讲他的构想，就许诺为这家刚刚创立的公司投资2000万美元。十多年后，这笔在当时不算大的投资让孙公理获得了几千倍的回报。
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
今日搜狐热点机器学习：从公理到算法_百度百科
清除历史记录关闭
声明：百科词条人人可编辑，词条创建和修改均免费，绝不存在官方及代理商付费代编，请勿上当受骗。
机器学习：从公理到算法
本词条缺少概述，补充相关内容使词条更完整，还能快速升级，赶紧来吧！
机器学习：从公理到算法内容简介
这是一本基于公理研究学习算法的书。共 17章，由两部分组成。第一部分是机器学习公理以及部分理论演绎，包括第 1、2、6、8 章，论述学习公理以及相应的聚类、分类理论。第二部分关注如何从公理推出经典学习算法，包括单类、多类和多源问题。第 3～5 章为单类问题，分别论述密度估计、回归和单类数据降维。第 7、9～16 章为多类问题，包括聚类、神经网络、 K近邻、支持向量机、Logistic回归、贝叶斯分类、决策树、多类降维与升维等经典算法。最后第 17章研究了多源数据学习问题。
机器学习：从公理到算法目录
第1章引言 1
1.1机器学习的目的：从数据到知识 1
1.2机器学习的基本框架 2
1.2.1数据集合与对象特性表示 3
1.2.2学习判据 4
1.2.3学习算法 5
1.3机器学习思想简论 .5 延伸阅读 .7 习题 8 参考文献 .9
第2章归类理论 11
2.1类表示公理 13
2.2归类公理 .17
2.3归类结果分类 .20
2.4归类方法设计准则 .22
2.4.1类一致性准则 23
2.4.2类紧致性准则 23
2.4.3类分离性准则 25
2.4.4奥卡姆剃刀准则 .25 讨论 .27 延伸阅读 .29 习题 .30 参考文献 .31
第3章密度估计 33
3.1密度估计的参数方法 33
3.1.1最大似然估计 33
3.1.2贝叶斯估计 .35
3.2密度估计的非参数方法 .39
3.2.1直方图 .39
3.2.2核密度估计 .39
3.2.3K近邻密度估计法 40 延伸阅读 .40 习题 .41 参考文献 .41
第4章回归 43
4.1线性回归 .43
4.2岭回归 .47
4.3Lasso回归 .48 讨论 .51 习题 .52 参考文献 .52
第5章单类数据降维 53
5.1主成分分析 54
5.2非负矩阵分解 .56
5.3字典学习与稀疏表示 57
5.4局部线性嵌入 .59
5.5典型关联分析 .62
5.6多维度尺度分析与等距映射 .63 讨论 .65 习题 .66 参考文献 .66
第6章聚类理论 69
6.1聚类问题表示及相关定义 .69
6.2聚类算法设计准则 .70
6.2.1类紧致性准则和聚类不等式 70
6.2.2类分离性准则和重合类非稳定假设 72
6.2.3类一致性准则和迭代型聚类算法 73
6.3聚类有效性 73
6.3.1外部方法 73
6.3.2内蕴方法 75 延伸阅读 .76 习题 .77 参考文献 .77
第7章聚类算法 81
7.1样例理论：层次聚类算法 .81
7.2原型理论：点原型聚类算法 83
7.2.1C均值算法 84
7.2.2模糊C均值 86
7.3基于密度估计的聚类算法.............................................................88
7.3.1基于参数密度估计的聚类算法............................................88
7.3.2基于无参数密度估计的聚类算法.........................................97 延伸阅读..........................................................................................106 习题................................................................................................107 参考文献..........................................................................................108
第8章分类理论...................................................................................111
8.1分类及相关定义........................................................................111
8.2从归类理论到经典分类理论.......................................................112
8.2.1PAC理论.......................................................................113
8.2.2统计机器学习理论...........................................................115
8.3分类测试公理...........................................................................118 讨论................................................................................................119 习题................................................................................................119 参考文献..........................................................................................120
第9章基于单类的分类算法：神经网络..................................................121
9.1分类问题的回归表示.................................................................121
9.2人工神经网络...........................................................................122
9.2.1人工神经网络相关介绍....................................................122
9.2.2前馈神经网络.................................................................124
9.3从参数密度估计到受限玻耳兹曼机.............................................129
9.4深度学习..................................................................................131
9.4.1自编码器........................................................................132
9.4.2卷积神经网络.................................................................132 讨论................................................................................................133 习题................................................................................................134 参考文献..........................................................................................134
第10章K近邻分类模型......................................................................137
10.1K近邻算法.............................................................................138
10.1.1K近邻算法问题表示....................................................138
10.1.2K近邻分类算法..........................................................139
10.1.3K近邻分类算法的理论错误率......................................140
10.2距离加权最近邻算法................................................................141
10.3K近邻算法加速策略...............................................................142
10.4kd树......................................................................................143
10.5K近邻算法中的参数问题.........................................................144 延伸阅读..........................................................................................145 习题................................................................................................145 参考文献..........................................................................................145
第11章线性分类模型..........................................................................147
11.1判别函数和判别模型................................................................147
11.2线性判别函数..........................................................................148
11.3线性感知机算法......................................................................151
11.3.1感知机数据表示...........................................................151
11.3.2感知机算法的归类判据.................................................152
11.3.3感知机分类算法...........................................................153
11.4支持向量机.............................................................................156
11.4.1线性可分支持向量机....................................................156
11.4.2近似线性可分支持向量机.............................................159
11.4.3多类分类问题..............................................................162 讨论................................................................................................164 习题................................................................................................165 参考文献..........................................................................................166
第12章对数线性分类模型...................................................................167
12.1Softmax回归..........................................................................167
12.2Logistic回归...........................................................................170 讨论................................................................................................172 习题................................................................................................173 参考文献..........................................................................................173
第13章贝叶斯决策.............................................................................175
13.1贝叶斯分类器..........................................................................175
13.2朴素贝叶斯分类......................................................................176
13.2.1最大似然估计..............................................................178
13.2.2贝叶斯估计.................................................................181
13.3最小化风险分类......................................................................183
13.4效用最大化分类......................................................................185 讨论................................................................................................185 习题................................................................................................186 参考文献..........................................................................................186
第14章决策树....................................................................................187
14.1决策树的类表示......................................................................187
14.2信息增益与ID3算法...............................................................192
14.3增益比率与C4.5算法..............................................................194
14.4Gini指数与CART算法...........................................................195
14.5决策树的剪枝..........................................................................196 讨论................................................................................................197 习题................................................................................................197 参考文献..........................................................................................198
第15章多类数据降维..........................................................................199
15.1有监督特征选择模型................................................................199
15.1.1过滤式特征选择...........................................................200
15.1.2包裹式特征选择...........................................................201
15.1.3嵌入式特征选择...........................................................201
15.2有监督特征提取模型................................................................202
15.2.1线性判别分析..............................................................202
15.2.2二分类线性判别分析问题.............................................202
15.2.3二分类线性判别分析....................................................203
15.2.4二分类线性判别分析优化算法.......................................205
15.2.5多分类线性判别分析....................................................205 延伸阅读..........................................................................................207 习题................................................................................................207 参考文献..........................................................................................207
第16章多类数据升维：核方法.............................................................209
16.1核方法....................................................................................209
16.2非线性支持向量机...................................................................210
16.2.1特征空间.....................................................................210
16.2.2核函数........................................................................210
16.2.3常用核函数.................................................................212
16.2.4非线性支持向量机.......................................................212
16.3多核方法................................................................................213 讨论................................................................................................215 习题................................................................................................215 参考文献..........................................................................................216
第17章多源数据学习..........................................................................217
17.1多源数据学习的分类................................................................217
17.2单类多源数据学习...................................................................217
17.2.1完整视角下的单类多源数据学习...................................218
17.2.2不完整视角下的单类多源数据学习................................220
17.3多类多源数据学习...................................................................221
17.4多源数据学习中的基本假设......................................................222 讨论................................................................................................222 习题................................................................................................223 参考文献..........................................................................................223
后记........................................................................................................225
索引........................................................................................................229
．1[引用日期]
．1[引用日期]
清除历史记录关闭“何”字在古文中是什么意思啊_百度知道
“何”字在古文中是什么意思啊
要有例句，并附有出自哪本书
何hé【代】什么〖what〗何节奄忽,蹄足洒血?——《文选·宋玉·高唐赋》。注:“何,问辞也。”何调翰之乔桀?——《文选·潘岳·射雉赋》。注:“何,疑问之辞也。”何以自绘。——清·薛福成《观巴黎油画记》子何恃而往?——清·彭端淑《为学一首示子侄》何异断斯织。——《后汉书·列女传》又如:何人;何物;有何困难;何干(有什么相干)怎么样〖what〗如太行王屋何。——《列子·汤问》如土石何。问女何所思。——《乐府诗集·木兰诗》得钱何所营。——唐·白居易《卖炭翁》何苦而不平。——《列子·汤问》何不以锯中。——三国魏·邯郸淳《笑林》何忧令名不彰。——《世说新语·自新》羌笛何须怨杨柳。——唐·王之涣《凉州词》诗又如:何居(何故);何者(为什么);何意(为什么,何故);何缘(为什么)哪里,什么地方〖where〗笑问客从何处来。——唐·贺知章《回乡偶书》何处得秋霜。——唐·李白《秋浦歌》又如:何往;此行何去?;何从(哪里);何止(哪里止,不止)谁〖who〗何事非君,何使非民。——《孟子·万章下》不知何氏之女。——《后汉书·列女传》哪样,哪点〖which〗何有于我哉?(哪一样我能有呢?这是孔子自谦的话。)——《论语》何hé【动】问,盘问,诘问〖ask〗陈列兵而谁何。——《史记·秦皇纪》又如:谁何(盘问是谁)通“诃(呵)”。谴责;呵斥〖excoriate〗何,与诃通。——《正字通》又下令不何止夜行;使民自便,境内以安。——《新唐书》良将精弩寄要害之处,信臣精卒,陈利兵而谁何,天下以定。——《史记·秦始皇本纪》故其在大谴大何之域者,闻谴何则自冠氂缨。——《汉书·贾谊传》何hé【副】岂:怎〖how〗。如:何以这样?;几何?甚;多么〖how〗秦王扫六合,虎视何雄哉!——唐·李白《古风》水何澹澹。——曹操《步出夏门行》何Hé【名】姓(何氏姓源)除外族改姓外,主要出自“姬”姓,“韩氏”所分。如:何郎(三国时,魏国何晏面白如傅粉。后即称喜欢修饰的青年男子或美男子为何郎)何hé【语气】句中语气词,相当于“啊”隐隐何甸甸。——《玉台新咏·古诗为焦仲卿妻作》另见hè何必hébì〖why〗反问的语气表示不必何必去那么早何不hébù〖whynot〗为什么不——用反问语气,表示应该或可以你何不大胆试一试何曾hécéng〖never〗反问表示未曾你何曾想到他今天会成为总统?何尝hécháng〖never〗∶用在肯定形式前表示否定,有“未尝”、“哪里”、“并不是”的意思我何尝说过这样的话?(=我未尝说过这样的话)历史的教训人们何尝忘记?在那艰苦的条件下,我们何尝叫过一声苦?〖notthat〗∶用在否定形式前表示肯定我何尝不想去?只是没有工夫(=我很想去,只是没工夫)生物都有新陈代谢,细菌又何尝不是如此?何等héděng〖whatkind〗∶什么样的你知道他是何等人物〖how〗∶用于感叹语气,表示不同寻常这是何等高超的技术!何妨héfáng〖whynot〗∶为什么不何妨一试〖mightaswell〗∶用反问的语气表示不妨你何妨试一试何干hégān〖havenothingtodowith(sb./sth.)〗反问表示无关他与此事何干?何功之有哉hégōngzhīyǒuzāi〖whatuseisthere〗有什么用处呢?功,功用,用处何遽héjù〖how〗表示反问,可译为“怎么”何遽不为福。——《淮南子·人间训》何遽不为祸。何苦hékǔ〖whybother〗∶用反问语气表示不值得(可用否定式),句末多带“呢”你何苦为这点鸡毛蒜皮的事跟他吵〖呢〗?你又何苦不去试一试呢?〖isitworththetrouble〗∶完全不必要——通常后加“呢”生孩子的气,何苦呢?何况hékuàng〖letalone〗∶不消说一项改革都会经过不少曲折,更何况一场革命〖furthermore〗∶更加学好本民族的语言尚且要花许多力气,何况学习另一种语言呢〖whatismore〗∶表示进一步申述理由或追加理由,用法基本上同“况且”何况供百人。——清·洪亮吉《治平篇》你去接他一下,这儿不好找,何况他又是第一次来何乐而不为hélèérbùwéi〖whynotgoaheadwithit〗反问表示很乐意或很值得做和他多商量,可以把工作干得更好,何乐而不为呢何其héqí〖what〗多么(多带有不以为然的口气)何其壮也。——南朝梁·丘迟《与陈伯之书》何其衰也。——宋·欧阳修《新五代史·伶官传》何其糊涂何如hérú〖whatdoyouthink〗∶如何,怎么样今日之事何如。——《史记·项羽本纪》诚好恶何如。——唐·柳宗元《柳河东集》则何如。——唐·柳宗元《捕蛇者说》〖wouldn’titbebetter〗∶用反问的语气表示胜过或不如与其强攻,何如智取何若héruò〖what〗表示疑问,与“何如”同此为何若人。——《墨子·公输》何谓héwèi〖whatismeantby〗什么叫做;什么是何谓灵感?指什么;是什么意思。用于询问(后面常带“也”字)此何谓也?何许héxǔ〖whatkindof〗什么;哪里陈留老父者,不知何许人也。——《后汉书·陈留老父传》不知何许人。——明·魏禧《大铁椎传》贾二是何许人,竟敢搞到我的头上来了何以héyǐ〖how〗∶用什么何以教我〖why〗∶为什么何以出尔反尔何在hézài〖where〗在哪里公理何在?何止hézhǐ〖farmorethan〗不止;岂止中华大地,英才何止万千何hè【动】(形声。从人,可声。金文,象人负担之形。本义:负荷)同本义。后作“荷”〖load〗何校灭耳,凶。——《易·噬嗑》何天之衢。——《易·大畜》殷受命咸宜,百禄是何。——《诗·商颂·玄鸟》何天之休,不竞不絿。——《诗·商倾·长发》用此五子者何功。——《管子·小匡》又如:何校(戴枷);何劳(承受烦劳)另见hé 何hé疑问代词（a．什么，如“何人？”b．为什么，如“何必如此？”c．哪样，怎样，如“何不？”“何如？”d．哪里，如“何往？”e．发表反问，如“何乐而不为？”）。副词，多么：何其壮哉！姓。何hē古同“呵”，谴责。何hè古同“荷”，担。笔画数：7；部首：亻；笔顺编号：3212512来源 亿容在线词典 原文链接：
采纳率：24%
为什么，什么。何罪之有。有什么罪呢？
何字的含义
⑴什么。例：①子何而往？（何：凭什么。）②大铁椎，不知何许人。③一旦山陵崩，长安君何以自托于赵？
⑵怎么样。例：①如太行、王屋何？②其如土石何？
⑶哪里。例：①又何往而不金玉其外、败絮其中也哉？（何往：到哪里。）②却看妻子愁何在。③豫州今欲何至？④何由知吾可也。
⑷多么。例：①水何澹澹，山岛竦峙。②吾幸而得汝，又何不幸而生今日之中国！③作计何不量！
⑸为什么。例：①予尝求古仁人之心，或者二者之为，何哉？②肉食者谋之，又何间焉？③安陵群不听寡人，何也？④所在皆是也，而此独以钟名，何哉？⑤齐人未尝赂秦，终继五国迁灭，何哉？
⑹怎么。例：①若为佣耕，何富贵也？②徐公何能及君也？
⑺作语助词相当于“啊”。例：新妇车在后，隐隐何甸甸。
⑻何：通“呵”，喝问。例：信臣精卒陈利兵而谁何。（谁何：呵问他是谁何意思是检查盘问。）
「何如」怎么样，怎样。例：①吾欲之南海，何如？②今日之事何如？③君谓皇上何如人也？④痛定思痛，痛何如哉！⑤求，尔何如？
「何消」哪用得着。例：这自然，何消吩附。
「何若」如何。怎样。例：此为何若人。
「何尝」并非。例：你说的何尝不是。
⑴什么是。例：何为“护官符”？
⑵怎么会?例：则众何为而不汹汹？
⑶作什么。例：①客何为者？②敬杰多而财有余，何为而不成？
⑴什么意思。例：却不害我，倒与我好差使正不如何意？
⑵岂料，哪里料到。例：女行无偏斜，何意致不厚？
⑴如何。例：长夜沾湿何由彻。
⑵什么原因。例：致之何由？由于疾病。
⑶从什么地方。例：何由知吾可也？
「何乃」怎么能。例：何乃太区区！
「何得」怎么能。例：生之者甚少而靡之者甚多，天下财产何得不蹶？
「何加」有什么益处。例：万钟于我何加焉！
「何曾」用反问语气表示未曾。例：可又是胡说，你又何曾见过他？
「何其」多么。例：何其衰也！
为您推荐：
其他类似问题
您可能关注的内容
古文的相关知识
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。