中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
圖說圖解機器學習/耿煜等 版權信息
- ISBN：9787121368264
- 條形碼：9787121368264 ; 978-7-121-36826-4
- 裝幀：平塑
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
圖說圖解機器學習/耿煜等 本書特色
書采用圖形化的方法講解人工智能和機器學習的知識與技術，并且借用圖形化軟件KNIME采用拖、拉、拽等“傻瓜式”的操作完成從簡單到復雜的機器學習項目。全書分為三個部分，分別是人工智能技術入門、傳統機器學習和深度學習。本書具有圖說圖解、自上而下、夠用即止、實戰掌握的特點，適合于作為人工智能入門者、人工智能技術應用者及高職高專院校理工科、本科院校非理工科專業學生的教材。
圖說圖解機器學習/耿煜等 內容簡介
書采用圖形化的方法講解人工智能和機器學習的知識與技術，并且借用圖形化軟件KNIME采用拖、拉、拽等“傻瓜式”的操作完成從簡單到復雜的機器學習項目。全書分為三個部分，分別是人工智能技術入門、傳統機器學習和深度學習。本書具有圖說圖解、自上而下、夠用即止、實戰掌握的特點，適合于作為人工智能入門者、人工智能技術應用者及高職高專院校理工科、本科院校非理工科專業學生的教材。
圖說圖解機器學習/耿煜等 目錄
目 錄
CONTENT
▲
第1章 人工智能及機器學習概述...................................1
1.1 人工智能概述 ............................................................................1
1.1.1.人工智能簡史...............................................................2
1.1.2.人工智能是什么...........................................................4
1.1.3.人工智能的能力...........................................................5
1.2 機器學習概述 ............................................................................5
1.2.1.機器學習是什么...........................................................5
1.2.2.以監督學習為例...........................................................6
1.2.3.學習任務......................................................................7
1.2.4.機器學習要解決的基本問題.......................................7
1.2.5.機器學習如何優化模型...............................................7
1.2.6.機器學習工作流程.......................................................7
1.2.7.機器學習的各大流派...................................................8
1.2.8.機器學習算法選擇.......................................................8
1.2.9.需要的知識...................................................................9
1.3 深度學習概述 ............................................................................9
1.4 機器學習與統計學 ....................................................................9
1.5 課后練習 ..................................................................................10
▲
第2章 機器學習基礎知識...........................................11
2.1 數學基礎 ..................................................................................11
2.1.1.數據的分類.................................................................12
2.1.2.基本統計學術語.........................................................12
2.1.3.回歸............................................................................14
2.1.4.*小二乘法.................................................................14
2.1.5.判斷擬合好壞.............................................................15
2.1.6.小結............................................................................17
2.2 讀圖 ..........................................................................................17
2.2.1.數值數據的分布.........................................................17
2.2.2.分類數據的分布.........................................................18
2.3 KNIME .....................................................................................21
2.3.1.KNIME簡介..............................................................21
2.3.2.下載和安裝.................................................................21
2.3.3.KNIME基本使用.......................................................21
2.3.4.小結............................................................................28
2.4 課后練習 ..................................................................................28
▲
第3章 線性回歸.........................................................29
3.1 簡單線性回歸 ..........................................................................30
3.1.1.場景說明....................................................................30
3.1.2.KNIME建立工作流...................................................30
3.1.3.數據獲取....................................................................30
3.1.4.觀察數據....................................................................31
3.1.5.數據劃分....................................................................33
3.1.6.模型訓練....................................................................34
3.1.7.模型測試....................................................................37
3.1.8.損失函數....................................................................37
3.2 多元線性回歸初步 ..................................................................38
3.2.1.任務及數據說明.........................................................38
3.2.2.建立基本的工作流.....................................................38
3.2.3.讀取并觀察數據.........................................................39
3.2.4.整合界面....................................................................49
3.3 多元線性回歸進階 ..................................................................51
3.3.1.優化模型....................................................................51
3.3.2.正向選擇節點.............................................................55
3.3.3.反向消除....................................................................58
3.3.4.模型解釋....................................................................58
3.3.5.特征歸一化.................................................................59
3.3.6.使用KNIME具體實現歸一化..................................59
3.3.7.相關系數....................................................................60
3.4 課后練習 ..................................................................................61
▲
第4章 邏輯回歸.........................................................63
4.1 邏輯回歸基本概念 ..................................................................63
4.1.1.分類問題....................................................................63
4.1.2.從線性回歸到邏輯回歸.............................................65
4.1.3.判定邊界....................................................................66
4.1.4.KNIME工作流..........................................................66
4.1.5.讀取數據....................................................................67
4.1.6.數據處理....................................................................67
4.1.7.模型訓練及測試.........................................................68
4.1.8.模型評價....................................................................69
4.2 邏輯回歸實戰 ..........................................................................71
4.2.1.泰坦尼克號生存問題背景介紹..................................71
4.2.2.讀取數據....................................................................72
4.2.3.數據處理....................................................................73
4.2.4.數據可視化及刪除無關列.........................................75
4.2.5.模型訓練和測試.........................................................82
4.2.6.模型評價....................................................................83
4.2.7.提交結果....................................................................85
4.2.8.模型解釋....................................................................89
4.3 課后練習 ..................................................................................90
▲
第5章 模型優化.........................................................91
5.1 梯度下降 ..................................................................................91
5.1.1.損失函數....................................................................92
5.1.2.使用KNIME優化模型..............................................96
5.2 正則化 ......................................................................................98
5.2.1.準確性和健壯性.........................................................98
5.2.2.復雜的模型.................................................................98
5.2.3.欠擬合和過擬合.........................................................98
5.2.4.正則化防止過擬合...................................................100
5.2.5.使用KNIME設置正則化........................................100
5.3 模型評價 ................................................................................101
5.3.1.混淆矩陣.......
CONTENT
▲
第1章 人工智能及機器學習概述...................................1
1.1 人工智能概述 ............................................................................1
1.1.1.人工智能簡史...............................................................2
1.1.2.人工智能是什么...........................................................4
1.1.3.人工智能的能力...........................................................5
1.2 機器學習概述 ............................................................................5
1.2.1.機器學習是什么...........................................................5
1.2.2.以監督學習為例...........................................................6
1.2.3.學習任務......................................................................7
1.2.4.機器學習要解決的基本問題.......................................7
1.2.5.機器學習如何優化模型...............................................7
1.2.6.機器學習工作流程.......................................................7
1.2.7.機器學習的各大流派...................................................8
1.2.8.機器學習算法選擇.......................................................8
1.2.9.需要的知識...................................................................9
1.3 深度學習概述 ............................................................................9
1.4 機器學習與統計學 ....................................................................9
1.5 課后練習 ..................................................................................10
▲
第2章 機器學習基礎知識...........................................11
2.1 數學基礎 ..................................................................................11
2.1.1.數據的分類.................................................................12
2.1.2.基本統計學術語.........................................................12
2.1.3.回歸............................................................................14
2.1.4.*小二乘法.................................................................14
2.1.5.判斷擬合好壞.............................................................15
2.1.6.小結............................................................................17
2.2 讀圖 ..........................................................................................17
2.2.1.數值數據的分布.........................................................17
2.2.2.分類數據的分布.........................................................18
2.3 KNIME .....................................................................................21
2.3.1.KNIME簡介..............................................................21
2.3.2.下載和安裝.................................................................21
2.3.3.KNIME基本使用.......................................................21
2.3.4.小結............................................................................28
2.4 課后練習 ..................................................................................28
▲
第3章 線性回歸.........................................................29
3.1 簡單線性回歸 ..........................................................................30
3.1.1.場景說明....................................................................30
3.1.2.KNIME建立工作流...................................................30
3.1.3.數據獲取....................................................................30
3.1.4.觀察數據....................................................................31
3.1.5.數據劃分....................................................................33
3.1.6.模型訓練....................................................................34
3.1.7.模型測試....................................................................37
3.1.8.損失函數....................................................................37
3.2 多元線性回歸初步 ..................................................................38
3.2.1.任務及數據說明.........................................................38
3.2.2.建立基本的工作流.....................................................38
3.2.3.讀取并觀察數據.........................................................39
3.2.4.整合界面....................................................................49
3.3 多元線性回歸進階 ..................................................................51
3.3.1.優化模型....................................................................51
3.3.2.正向選擇節點.............................................................55
3.3.3.反向消除....................................................................58
3.3.4.模型解釋....................................................................58
3.3.5.特征歸一化.................................................................59
3.3.6.使用KNIME具體實現歸一化..................................59
3.3.7.相關系數....................................................................60
3.4 課后練習 ..................................................................................61
▲
第4章 邏輯回歸.........................................................63
4.1 邏輯回歸基本概念 ..................................................................63
4.1.1.分類問題....................................................................63
4.1.2.從線性回歸到邏輯回歸.............................................65
4.1.3.判定邊界....................................................................66
4.1.4.KNIME工作流..........................................................66
4.1.5.讀取數據....................................................................67
4.1.6.數據處理....................................................................67
4.1.7.模型訓練及測試.........................................................68
4.1.8.模型評價....................................................................69
4.2 邏輯回歸實戰 ..........................................................................71
4.2.1.泰坦尼克號生存問題背景介紹..................................71
4.2.2.讀取數據....................................................................72
4.2.3.數據處理....................................................................73
4.2.4.數據可視化及刪除無關列.........................................75
4.2.5.模型訓練和測試.........................................................82
4.2.6.模型評價....................................................................83
4.2.7.提交結果....................................................................85
4.2.8.模型解釋....................................................................89
4.3 課后練習 ..................................................................................90
▲
第5章 模型優化.........................................................91
5.1 梯度下降 ..................................................................................91
5.1.1.損失函數....................................................................92
5.1.2.使用KNIME優化模型..............................................96
5.2 正則化 ......................................................................................98
5.2.1.準確性和健壯性.........................................................98
5.2.2.復雜的模型.................................................................98
5.2.3.欠擬合和過擬合.........................................................98
5.2.4.正則化防止過擬合...................................................100
5.2.5.使用KNIME設置正則化........................................100
5.3 模型評價 ................................................................................101
5.3.1.混淆矩陣.......
展開全部
圖說圖解機器學習/耿煜等 作者簡介
耿煜，男，博士，就職于深圳信息職業技術學院，獲得香港科技大學工學院電子及計算機工程系博士學位。曾出版《ANSYS電磁場及耦合場分析》。
書友推薦
- >
二體千字文
- >
伊索寓言-世界文學名著典藏-全譯本
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
煙與鏡
- >
羅曼·羅蘭讀書隨筆-精裝
- >
我與地壇
- >
羅庸西南聯大授課錄
- >
【精裝繪本】畫給孩子的中國神話
本類暢銷
