機器學習簡明教程-基於Python語言實現

高延增 侯躍恩 羅志堅

  • 出版商: 機械工業
  • 出版日期: 2024-09-25
  • 定價: $288
  • 售價: 8.5$245
  • 語言: 簡體中文
  • ISBN: 7111761006
  • ISBN-13: 9787111761006
  • 相關分類: Machine Learning
  • 下單後立即進貨 (約4週~6週)

相關主題

商品描述

本書圖文並茂、深入淺出地介紹了機器學習算法所需的數學、Python語言編程基礎知識,以及回歸模型、K 近鄰、K 均值、決策樹、弱學習器集成、人工神經網絡、深度學習等常用的機器學習算法。全書共10 章,每章習題中都配套了實驗練習環節,實驗內容包括Python 開發環境配置、機器學習算法的實際應用等,所有實驗都配有Jupyter 的Python 代碼,從而使讀者既能掌握算法理論原理,又能進行實際應用。 本書適合作為普通高等院校本科或研究生階段的人工智能、機器學習、數據挖掘等課程的教材,也適合作為自學的參考書。

目錄大綱

前言
第1章概述
1.1理解機器學習
1.2一些相關的概念
1.3機器學習的發展
1.4機器學習開發的準備工作
1.5本章小結
1.6習題
第2章基礎知識
2.1線性代數
2.2概率與統計
2.3優化
2.4Python編程基礎
2.5本章小結
2.6習題
第3章回歸分析
3.1模型
3.2線性回歸模型應用
3.3邏輯回歸
3.4本章小結
3.5習題
第4章基於距離的算法
4.1分類與聚類的區別
4.2距離度量問題
4.3K近鄰算法
4.4K均值聚類算法
4.5本章小結
4.6習題
第5章決策樹
5.1初識決策樹
5.2信息熵與信息增益
5.3決策樹
5.4CART
5.5本章小結
5.6習題
第6章弱學習器集成算法
6.13種常用的弱學習器集成方法
6.2AdaBoost算法與GBDT算法
6.3XGBoost算法
6.4本章小結
6.5習題
第7章支持向量機
7.1支持向量機的相關概念
7.2線性支持向量機
7.3非線性支持向量機
7.4軟間隔
7.5應用案例
7.6本章小結
7.7習題
第8章人工神經網絡
8.1人工智能的概念
8.2神經元模型
8.3多層神經網絡
8.4應用案例
8.5本章小結
8.6習題
第9章卷積神經網絡
9.1人類視覺系統的啟發
9.2CNN算法原理
9.3CNN應用
9.4本章小結
9.5習題
第10章用於處理時間序列的網絡
10.1序列
10.2循環神經網絡
10.3長短時記憶網絡
10.4本章小結
10.5習題
參考文獻