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
機器學習技術與應用 版權信息
- ISBN：9787113301507
- 條形碼：9787113301507 ; 978-7-113-30150-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
機器學習技術與應用 內容簡介
本書為“十四五”高等職業教育新形態一體化教材之一,通過貼近生活的“挑橘子”一例引出機器學習的概念,并展開介紹了機器學習的完整流程、算法分類以及常用工具等。 本書以項目—任務的組織方式,以通俗的情境作為項目導入,制定明確的項目目標,以算法的基本原理為知識導入,然后開始項目實施環節,以多個實訓任務分別練習算法在解決回歸、分類或聚類問題時的一般流程, 后以習題的形式鞏固所學知識和技能。 本書的實訓項目主要包含機器學習中基礎的算法應用,即線性回歸算法、k-近鄰算法、邏輯回歸算法、決策樹算法、聚類算法、樸素貝葉斯算法。 通讀本書,你會了解機器學習解決的是什么問題,目前它應用在我們生活中的哪些場景;跟著本書動手實踐,你會清楚數據怎么來、怎么加工,以及模型是什么,怎么訓練與調用;另外,面對一個實際問題,你能夠有依據地選擇合適的算法。 本書適合作為高等職業院校人工智能技術應用專業的教材,也適用于有編程基礎的學生以及對機器學習感興趣且亟需入門的社會工作者。
機器學習技術與應用 目錄
緒論 機器學習概要 …………………………………………………………………………… 10. 1 引例———從挑橘子說起………………………………………………………………… 10. 2 機器學習應用 …………………………………………………………………………… 20. 3 機器學習與人工智能的關系 ………………………………………………………… 40. 4 機器學習算法的分類…………………………………………………………………… 40. 5 sklearn 庫 ……………………………………………………………………………… 50. 6 數據集 …………………………………………………………………………………… 60. 6. 1 數據集劃分………………………………………………………………………… 70. 6. 2 開源數據集………………………………………………………………………… 80. 6. 3 sklearn 庫中數據劃分方法 ……………………………………………………… 80. 7 總結 …………………………………………………………………………………… 11項目 1 運用線性回歸算法實現趨勢預測 ……………………………………………… 121. 1 項目導入 ……………………………………………………………………………… 121. 2 項目目標 ……………………………………………………………………………… 121. 3 知識導入 ……………………………………………………………………………… 131. 3. 1 線性回歸概念 …………………………………………………………………… 131. 3. 2 線性回歸模型 …………………………………………………………………… 141. 3. 3 求解線性回歸 …………………………………………………………………… 151. 3. 4 過擬合與欠擬合 ………………………………………………………………… 171. 4 項目實施 ……………………………………………………………………………… 19任務 1-1 動手訓練線性回歸模型 ……………………………………………………… 19任務 1-2 線性回歸預測鮑魚年齡 ……………………………………………………… 23任務 1-3 線性回歸預測牛肉價格 ……………………………………………………… 28任務 1-4 線性回歸預測收益 …………………………………………………………… 30任務 1-5 線性回歸預測樂高價格 ……………………………………………………… 35項目 2 運用 k-近鄰算法實現分類預測 ………………………………………………… 422. 1 項目導入 ……………………………………………………………………………… 422. 2 項目目標 ……………………………………………………………………………… 422. 3 知識導入 ……………………………………………………………………………… 422. 3. 1 k-近鄰概念 ……………………………………………………………………… 422. 3. 2 k-近鄰分類算法 ………………………………………………………………… 432. 3. 3 交叉驗證 ………………………………………………………………………… 452. 3. 4 k-近鄰回歸 ……………………………………………………………………… 452. 4 項目實施 ……………………………………………………………………………… 46任務 2-1 k-近鄰識別數字驗證碼 ……………………………………………………… 46任務 2-2 k-近鄰算法預測出行方式 …………………………………………………… 49任務 2-3 k-近鄰預測草莓甜不甜 ……………………………………………………… 56任務 2-4 k-近鄰測你有多重 …………………………………………………………… 60項目 3 運用邏輯回歸算法實現概率預測 ……………………………………………… 653. 1 項目導入 ……………………………………………………………………………… 653. 2 項目目標 ……………………………………………………………………………… 653. 3 知識導入 ……………………………………………………………………………… 653. 3. 1 邏輯回歸概念 …………………………………………………………………… 653. 3. 2 二分類問題 ……………………………………………………………………… 663. 3. 3 求解邏輯回歸 …………………………………………………………………… 673. 3. 4 分類損失 ………………………………………………………………………… 683. 4 項目實施 ……………………………………………………………………………… 70任務 3-1 邏輯回歸針對智能家居的數據預測 ………………………………………… 70任務 3-2 邏輯回歸預測升學概率 ……………………………………………………… 76任務 3-3 邏輯回歸預測紅酒質量 ……………………………………………………… 83任務 3-4 隨機梯度下降 ………………………………………………………………… 89任務 3-5 邏輯回歸預測用戶是否按期還款 …………………………………………… 96項目 4 運用決策樹算法進行決策分析 ………………………………………………… 1024. 1 項目導入 ……………………………………………………………………………… 1024. 2 項目目標 ……………………………………………………………………………… 1024. 3 知識導入 ……………………………………………………………………………… 1034. 3. 1 決策樹概念……………………………………………………………………… 1034. 3. 2 相關重要概念…………………………………………………………………… 1034. 3. 3 決策樹算法……………………………………………………………………… 1054. 3. 4 決策樹剪枝……………………………………………………………………… 1064. 4 項目實施 ……………………………………………………………………………… 107任務 4-1 決策樹預測隱形眼鏡類型 ………………………………………………… 107任務 4-2 決策樹分析員工離職情況 ………………………………………………… 111任務 4-3 決策樹帶你做導購 ………………………………………………………… 117任務 4-4 決策樹預測泰坦尼克號生還概率 ………………………………………… 122任務 4-5 決策樹與隨機森林效果對比 ……………………………………………… 127項目 5 運用聚類算法進行聚類分析 …………………………………………………… 1375. 1 項目導入 ……………………………………………………………………………… 1375. 2 項目目標 ……………………………………………………………………………… 1375. 3 知識導入 ……………………………………………………………………………… 1375. 3. 1 聚類概念………………………………………………………………………… 1375. 3. 2 聚類相關應用…………………………………………………………………… 1385. 3. 3 k-means 聚類 …………………………………………………………………… 1385. 3. 4 DBSCAN 算法 …………………………………………………………………… 1405. 4 項目實施 ……………………………………………………………………………… 142任務 5-1 小樣本實現 k-means 聚類 …………………………………………………… 142任務 5-2 通過 k-means 聚類實現分類 ………………………………………………… 148任務 5-3 二分 k-means 應用 …………………………………………………………… 153任務 5-4 對三星手機數據降維并聚類 ……………………………………………… 162任務 5-5 實例對比 k-means 和 DBSCAN ……………………………………………… 170項目 6 運用樸素貝葉斯算法實現文本分類 ………………………………………… 1756. 1 項目導入 ……………………………………………………………………………… 1756. 2 項目目標 ……………………………………………………………………………… 1756. 3 知識導入 ……………………………………………………………………………… 1756. 3. 1 貝葉斯公式……………………………………………………………………… 1756. 3. 2 樸素貝葉斯……………………………………………………………………… 1766. 3. 3 樸素貝葉斯應用場景…………………………………………………………… 1776. 4 項目實施 ……………………………………………………………………………… 177任務 6-1 云盤圖片自動分類 ………………………………………………………… 177任務 6-2 豆瓣影評情感分類 ………………………………………………………… 184任務 6-3 新聞分類 …………………………………………………………………… 188附錄 A …………………………………………………………………………………………… 194A. 1 特征工程……………………………………………………………………………… 194A. 2 特征預處理…………………………………………………………………………… 195A. 2. 1 無量綱化 ……………………………………………………………………… 196A. 2. 2 特征離散化 …………………………………………………………………… 200A. 2. 3 分類特征編碼 ………………………………………………………………… 201A. 3 特征選擇……………………………………………………………………………… 202A. 3. 1 過濾式選擇(Relief) …………………………………………………………… 203A. 3. 2 包裹式選擇(Wrapper) ………………………………………………………… 205A. 3. 3 嵌入式選擇(Embedded) ……………………………………………………… 205A. 4 特征降維……………………………………………………………………………… 207A. 4. 1 PCA …………………………………………………………………………… 207A. 4. 2 LDA …………………………………………………………………………… 211參考文獻…………………………………………………………………………………………… 214
展開全部
機器學習技術與應用 作者簡介
杜輝，男，副教授、 工程師，北京電子科技職業學院計算機技術系主任。獲得北京市 席職業技能大賽指導教師，多次獲得 職業院校技能大賽 指導教師稱號，多年來主講計算機語言、數據結構、人工智能、移動應用開發方向課程獲得同行和學生的好評。參加工作以來，一直從事教學一線工作，積 推進教學改革，作為專業帶頭人針對高職計算機類專業的課程教學內容，將“夯實基礎、突出技能、鼓勵創新”的培養思路貫穿于人才培養的全過程，創建了“基礎、實踐、創新螺旋遞進”式教學體系，取得了顯著成效，教改成果獲得北京市教育教學成果二等獎。參與 高等職業院校示范校重點專業建設、國家《移動應用開發專業教學資源庫》等一批重點改革項目，承擔《程序設計基礎》課程的國家資源庫建設工作。所帶計算機技術系教學團隊，先后在 及北京職業院校技能大賽、軟件設計競賽、軟件測試大賽、大數據技術競賽、嵌入式設計競賽等各種比賽獲得一等獎20余項，學生獲獎等級和數量在北京地區首屈一指。
書友推薦
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
巴金－再思錄
- >
我與地壇
- >
唐代進士錄
- >
回憶愛瑪儂
- >
中國歷史的瞬間
- >
朝聞道
- >
伯納黛特,你要去哪(2021新版)
本類暢銷
