掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書(shū)更多>
-
>
闖進(jìn)數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國(guó)政府與政治(新編21世紀(jì)公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國(guó)特色社會(huì)主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國(guó)中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
中圖價(jià):¥27.9
加入購(gòu)物車
機(jī)器學(xué)習(xí)實(shí)用教程(微課版) 版權(quán)信息
- ISBN：9787302556701
- 條形碼：9787302556701 ; 978-7-302-55670-1
- 裝幀：70g膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>>
機(jī)器學(xué)習(xí)實(shí)用教程(微課版) 本書(shū)特色
本書(shū)內(nèi)容豐富，覆蓋面廣，囊括了監(jiān)督機(jī)器學(xué)習(xí)和無(wú)監(jiān)督機(jī)器學(xué)習(xí)的主要內(nèi)容。對(duì)模型所涉及的理論進(jìn)行了深入淺出的介紹。 提供了大量的習(xí)題。本書(shū)的習(xí)題不僅可以幫助讀者理解相關(guān)的基本概念，而且還能幫助讀者進(jìn)一步熟悉機(jī)器學(xué)習(xí)模型的實(shí)現(xiàn)和使用過(guò)程。 通過(guò)視頻來(lái)介紹每一章的主要內(nèi)容和習(xí)題，主便讀者自學(xué)。 注意培養(yǎng)讀者良好的機(jī)器學(xué)習(xí)建模方法和對(duì)應(yīng)用問(wèn)題的抽象能力、編程能力。 與計(jì)算機(jī)視覺(jué)，自然語(yǔ)言處理，深度學(xué)習(xí)等課程之間有良好的銜接支撐。 深入介紹監(jiān)督機(jī)器學(xué)習(xí)和無(wú)監(jiān)督機(jī)器學(xué)習(xí)中的經(jīng)典模型、原理和模型評(píng)價(jià)方法。 通過(guò)流行的機(jī)器學(xué)習(xí)框架sklearn介紹機(jī)器學(xué)習(xí)模型的實(shí)現(xiàn)及應(yīng)用。 深入介紹監(jiān)督機(jī)器學(xué)習(xí)和無(wú)監(jiān)督機(jī)器學(xué)習(xí)中的經(jīng)典模型、原理和模型評(píng)價(jià)方法。 通過(guò)流行的機(jī)器學(xué)習(xí)框架sklearn介紹機(jī)器學(xué)習(xí)模型的實(shí)現(xiàn)及應(yīng)用。
機(jī)器學(xué)習(xí)實(shí)用教程(微課版) 內(nèi)容簡(jiǎn)介
本書(shū)在全面介紹機(jī)器學(xué)習(xí)中的模型、算法以及相關(guān)編程技術(shù)等基本知識(shí)的基礎(chǔ)上，著重介紹了監(jiān)督機(jī)器學(xué)習(xí)中的線性回歸、感知機(jī)、logistic回歸、貝葉斯分類、集成學(xué)習(xí)、k很近鄰以及無(wú)監(jiān)督學(xué)習(xí)中的主成分分析和聚類算法。在介紹這些算法時(shí)，都會(huì)通過(guò)例子分析如何使用這些算法解決實(shí)際應(yīng)用問(wèn)題。同時(shí)本書(shū)還介紹了機(jī)器學(xué)習(xí)中監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的模型評(píng)價(jià)指標(biāo)。全書(shū)可分為3部分來(lái)學(xué)習(xí)：部分（章）為機(jī)器學(xué)習(xí)的基礎(chǔ)篇，著重介紹機(jī)器學(xué)習(xí)的發(fā)展歷史，各個(gè)主流的分支，機(jī)器學(xué)習(xí)在人工智能中的作用以及學(xué)習(xí)機(jī)器學(xué)習(xí)所需要的數(shù)學(xué)知識(shí)；第二部分（第2~8章）為監(jiān)督學(xué)習(xí)篇，著重介紹基本的監(jiān)督學(xué)習(xí)方法的建模原理，求解模型的方法，如何基于sklearn框架調(diào)用這些算法解決實(shí)際應(yīng)用問(wèn)題；第三部分（第9~10章）為無(wú)監(jiān)督學(xué)習(xí)篇，主要介紹主成分分析的基本原理和應(yīng)用，k-means算法的基本原理及應(yīng)用，譜聚類算法的基本原理和應(yīng)用。本書(shū)除提供大量應(yīng)用實(shí)例及每章后均附有習(xí)題外，還配有微視頻，主要對(duì)書(shū)中的一些重點(diǎn)和難點(diǎn)進(jìn)行講解，同時(shí)也對(duì)一些習(xí)題答案進(jìn)行介紹。本書(shū)適合作為高等院校智能科學(xué)與技術(shù)、計(jì)算機(jī)、軟件工程專業(yè)本科生、研究生的入門教材，同時(shí)也可供對(duì)初、器學(xué)習(xí)比較熟悉的應(yīng)用開(kāi)發(fā)人員、廣大科技工作者和研究人員參考。
機(jī)器學(xué)習(xí)實(shí)用教程(微課版) 目錄
目錄
第1章機(jī)器學(xué)習(xí)概述1
1.1機(jī)器學(xué)習(xí)的定義1
1.2機(jī)器學(xué)習(xí)的發(fā)展歷史3
1.3機(jī)器學(xué)習(xí)的主要分支5
1.3.1監(jiān)督學(xué)習(xí)5
1.3.2無(wú)監(jiān)督學(xué)習(xí)7
1.3.3半監(jiān)督學(xué)習(xí)8
1.3.4強(qiáng)化學(xué)習(xí)9
1.3.5深度學(xué)習(xí)10
1.4機(jī)器學(xué)習(xí)的應(yīng)用12
1.4.1大數(shù)據(jù)分析12
1.4.2計(jì)算機(jī)視覺(jué)12
1.4.3自然語(yǔ)言處理13
1.4.4推薦系統(tǒng)13
1.5機(jī)器學(xué)習(xí)與其他學(xué)科的關(guān)系13
1.5.1與概率統(tǒng)計(jì)、矩陣計(jì)算、*優(yōu)化的關(guān)系14
1.5.2與人工智能、大數(shù)據(jù)、數(shù)據(jù)科學(xué)之間的關(guān)系14
1.6總結(jié)15
1.7習(xí)題15
參考文獻(xiàn)16
第2章線性回歸17
2.1一元線性回歸18
2.2多元線性回歸21
2.2.1模型及求解21
2.2.2多元線性回歸應(yīng)用舉例22
2.2.3解釋線性回歸模型24
2.3線性回歸的正則化25
2.3.1Lasso26
2.3.2Lasso的應(yīng)用舉例28
2.4彈性網(wǎng)29機(jī)器學(xué)習(xí)實(shí)用教程(微課版)目錄2.5總結(jié)31
2.6習(xí)題31
參考文獻(xiàn)31
第3章感知機(jī)33
3.1分類的定義及應(yīng)用33
3.2評(píng)價(jià)分類模型的指標(biāo)34
3.3感知機(jī)原理37
3.3.1感知機(jī)的結(jié)構(gòu)38
3.3.2感知機(jī)模型的數(shù)學(xué)表示38
3.3.3感知機(jī)算法41
3.4多層感知機(jī)44
3.4.1認(rèn)知機(jī)44
3.4.2神經(jīng)認(rèn)知機(jī)45
3.5實(shí)例應(yīng)用46
3.5.1感知機(jī)對(duì)線性可分?jǐn)?shù)據(jù)集進(jìn)行分類47
3.5.2感知機(jī)對(duì)線性不可分?jǐn)?shù)據(jù)集進(jìn)行分類47
3.5.3用多層感知機(jī)進(jìn)行圖像分類47
3.6總結(jié)49
3.7習(xí)題49
參考文獻(xiàn)50
第4章logistic回歸51
4.1線性回歸與logistic回歸的關(guān)系51
4.2從統(tǒng)計(jì)的角度建立logistic回歸模型54
4.3訓(xùn)練logistic回歸模型54
4.3.1拉格朗日法55
4.3.2梯度下降法55
4.4logistic回歸模型的三種解釋58
4.4.1基于概率的解釋58
4.4.2基于*大熵原理的解釋58
4.4.3基于貝葉斯原理的解釋60
4.5logistic回歸模型應(yīng)用舉例61
4.6softmax回歸模型63
4.7總結(jié)64
4.8習(xí)題64
參考文獻(xiàn)65
第5章貝葉斯分類66
5.1高斯判別分析68
5.2樸素貝葉斯70
5.3改進(jìn)的樸素貝葉斯74
5.4總結(jié)75
5.5習(xí)題75
參考文獻(xiàn)76
第6章決策樹(shù)78
6.1決策樹(shù)的基本概念78
6.2構(gòu)建決策樹(shù)82
6.2.1不純度函數(shù)的定義82
6.2.2常用不純度函數(shù)83
6.3典型的決策樹(shù)算法85
6.3.1CART算法86
6.3.2ID3算法86
6.4決策樹(shù)的構(gòu)建策略及預(yù)測(cè)87
6.5決策樹(shù)的停止標(biāo)準(zhǔn)與剪枝技術(shù)87
6.5.1停止標(biāo)準(zhǔn)88
6.5.2剪枝技術(shù)88
6.6決策樹(shù)的優(yōu)缺點(diǎn)90
6.7總結(jié)91
6.8習(xí)題91
參考文獻(xiàn)92
第7章集成學(xué)習(xí)93
7.1集成學(xué)習(xí)的基本原理93
7.2AdaBoost95
7.2.1AdaBoost算法的實(shí)現(xiàn)96
7.2.2AdaBoost示例98
7.2.3用*優(yōu)化的觀點(diǎn)解釋AdaBoost99
7.3隨機(jī)森林101
7.4總結(jié)104
7.5習(xí)題104
參考文獻(xiàn)105
第8章k近鄰算法107
8.1引言107
8.2k近鄰算法的原理及應(yīng)用108
8.2.1k近鄰算法的工作原理109
8.2.2k近鄰算法在圖像檢索中的應(yīng)用111
8.2.3k近鄰算法的優(yōu)缺點(diǎn)113
8.3近似*近鄰算法113
8.3.1KD樹(shù)算法113
8.3.2KD樹(shù)算法的實(shí)現(xiàn)114
8.4k近鄰算法的應(yīng)用117
8.5總結(jié)120
8.6習(xí)題120
參考文獻(xiàn)120
第9章主成分分析122
9.1維度災(zāi)難122
9.2相關(guān)特征與冗余特征124
9.3主成分分析的原理127
9.3.1用回歸的觀點(diǎn)解釋PCA128
9.3.2用消除相關(guān)性來(lái)解釋PCA128
9.3.3圖像數(shù)據(jù)的降維處理130
9.3.4主成分分析在數(shù)據(jù)分析中的應(yīng)用131
9.4總結(jié)133
9.5習(xí)題133
參考文獻(xiàn)133
第10章無(wú)監(jiān)督學(xué)習(xí)135
10.1無(wú)監(jiān)督學(xué)習(xí)概述135
10.2聚類算法136
10.2.1聚類算法概述136
10.2.2聚類算法的評(píng)價(jià)指標(biāo)137
10.3kmeans聚類算法141
10.3.1kmeans聚類算法原理141
10.3.2kmeans聚類算法的示例143
10.3.3改進(jìn)的kmeans聚類算法146
10.4譜聚類算法150
10.4.1譜聚類算法的原理151
10.4.2譜聚類算法的實(shí)現(xiàn)155
10.4.3譜聚類算法的缺點(diǎn)156
10.5總結(jié)156
10.6習(xí)題157
參考文獻(xiàn)157
附錄A用Boston數(shù)據(jù)集解釋簡(jiǎn)單線性回歸158
附錄B多元線性回歸應(yīng)用159
附錄C嶺回歸應(yīng)用160
附錄D感知機(jī)對(duì)線性可分?jǐn)?shù)據(jù)集的分類161
附錄E多層感知機(jī)的實(shí)現(xiàn)163
附錄Flogistic回歸的實(shí)現(xiàn)164
展開(kāi)全部
機(jī)器學(xué)習(xí)實(shí)用教程(微課版) 作者簡(jiǎn)介
劉波 博士，重慶工商大學(xué)人工智能學(xué)院副教授。主要研究興機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)，大數(shù)據(jù)分析等。發(fā)表論文10余篇，以第一作者出版譯者8部，比如所譯的《 opencv 3計(jì)算機(jī)視覺(jué)：python語(yǔ)言實(shí)現(xiàn)》的銷量上萬(wàn)冊(cè)，出版專著2部（其中一部為第一作者，一部為第二作者），教材1部，作為第一完成人獲得發(fā)明專利1項(xiàng)。完成重慶市教委研究項(xiàng)目一項(xiàng)，重慶工商大學(xué)研究項(xiàng)目2項(xiàng)。
書(shū)友推薦
- >
隨園食單
- >
小考拉的故事-套裝共3冊(cè)
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
中國(guó)人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
伯納黛特,你要去哪(2021新版)
- >
經(jīng)典常談
- >
巴金－再思錄
- >
朝聞道
本類暢銷
