-
>
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 版權信息
- ISBN:9787111764939
- 條形碼:9787111764939 ; 978-7-111-76493-9
- 裝幀:平裝-膠訂
- 冊數:暫無
- 重量:暫無
- 所屬分類:>
機器學習 本書特色
系統闡述機器學習的基本理論、算法和實現。
每章配有基于Python的實驗,方便讀者編程實現。
書后附有豐富的彩色插圖,引導讀者對理論的理解。
配套提供電子課件、微課視頻、習題答案、教學大綱、源代碼、試卷。
機器學習 內容簡介
本書系統闡述了機器學習的基本理論、算法和實現。全書共11章:第1章著重介紹了機器學習的基本知識;第2章介紹了樣本數據預處理和提取的傳統算法(如PCA和LDA),并增加了流形學習和稀疏表征等理論;第3~8章系統介紹了傳統機器學習算法,如監督學習(貝葉斯、近鄰、線性模型、非線性模型和集成學習)和非監督學習(聚類);第9、10章分別介紹了概率圖模型和人工神經網絡的基本理論;第11章著重講述了強化學習的基本理論和算法。 本書針對理論難點,插入了可視化圖,引導讀者對理論的理解;每章配有習題,以便指導讀者深入地進行學習。每章還配有基于Python的實驗,便于工程類讀者快速將理論轉化為實踐應用,也方便學術型讀者編程實現。 本書既可作為高等院校本科和研究生人工智能、控制工程、信息處理和智能制造等相關專業的課程教材,也可作為信息系統開發和大數據分析人員的技術參考書。
機器學習 目錄
第1章基本知識
11什么是機器學習
111屬性
112標注
12機器學習的分類
121監督與無監督學習
122分類與回歸
13模型評估
131分類模型評估
132回歸模型評估
14優化
141損失函數
142目標函數
143*小二乘法
144梯度下降法
145梯度修正
146學習率調整
15小結與拓展
實驗一:模型評價函數編程實驗
習題
參考文獻
第2章表征學習
21表征學習的目的
22數據預處理
23主成分分析
231目標函數
232基于主成分分析表征學習模型
233人臉PCA表征學習
24線性鑒別分析
241類內散布矩陣和類間散布矩陣
242類可判別性測度
243LDA原理
244人臉的LDA表征學習
25多維縮放
26流形學習
261流形
262等度量映射
263局部線性嵌入
27隨機近鄰嵌入
271基本隨機近鄰嵌入
272t分布隨機近鄰嵌入
28稀疏表征
281壓縮感知
282重構算法
283字典學習
284壓縮感知在人臉識別中的應用
29小結與拓展
實驗二:表征學習實驗
習題
參考文獻
第3章貝葉斯分類器
31貝葉斯基本概念
32貝葉斯決策準則
33高斯混合模型
34未知概率密度函數估計
341極大似然估計
342極大后驗概率估計
343期望極大算法
35樸素貝葉斯
36拉普拉斯平滑
37小結與拓展
實驗三:貝葉斯分類器實驗
習題
第4章近鄰分類器
41近鄰規則
42加權近鄰分類器
43近鄰分類器加速策略
431移除消極樣本
432構建搜索樹
433部分維度距離計算
44小結與拓展
實驗四:近鄰分類器實驗
習題
參考文獻
第5章線性模型
51二類線性模型
52Lasso回歸
521Lasso回歸求解
522坐標軸下降法
53邏輯回歸
54支持向量機
541線性可分支持向量機
542近似線性可分支持向量機
55多類線性模型
551基本策略
552Softmax回歸
56類不平衡問題
561閾值移動
562數據再平衡
57小結與拓展
實驗五:線性模型實驗
習題
參考文獻
第6章非線性模型
61二次判別分析
62核方法
621希爾伯特空間
622核函數
623常用核函數
624核函數的應用
63小結與拓展
實驗六:非線性模型實驗
習題
參考文獻
第7章集成學習
71集成學習理論依據
72集成學習機制
73決策樹
731什么是決策樹
732ID3和C45
733分類回歸樹
734剪枝
74隨機森林
75自適應助推
751學習過程
752基本原理
76小結與拓展
實驗七:集成學習實驗
習題
參考文獻
第8章聚類
81聚類基本理論
811聚類的性質
812相似性測度
813類簇中心
814聚類算法評價指標
82K均值聚類
83層次聚類
831凝聚筑巢
832平衡迭代削減層次聚類
84密度聚類
841DBSCAN
842高斯混合聚類
85小結與拓展
實驗八:聚類實驗
習題
參考文獻
第9章概率圖模型
91聯合概率
92概率有向圖模型
921基本概念
922有向分離
923貝葉斯網絡
924隱馬爾可夫模型
93概率無向圖模型
931條件獨立性
932團和勢函數
933條件隨機場
934馬爾可夫隨機場在圖像處理中的應用
935條件隨機場在自然語言處理中的應用
94因子圖與和積算法
941因子圖
942置信傳播
95小結與拓展
實驗九:概率圖模型實驗
習題
參考文獻
第10章人工神經網絡
101神經元及其基本模型
102激活函數
1021飽和激活函數
1022校正線性單元
1023swish激活函數
1024其他激活函數
103感知機
1031參數學習
1032感知機的異或難題
104前饋神經網絡
1041前饋神經網絡模型
1042三層前向神經網絡實現異或門
1043反向傳播算法
105卷積神經網絡
1051互相關和卷積
1052卷積神經網絡架構
1053卷積神經網絡殘差反向傳播
106簡單卷積神經網絡
1061LeNet-5
1062AlexNet
1063VGGNet
1064Inception
1065ResNet
107小結與拓展
實驗十:人工神經網絡實驗
習題
參考文獻
第11章強化學習
111強化學習概述
1111基本概念
1112策略評估和策略控制
1113強化學習分類
112表格強化學習
1121蒙特卡洛
1122動態規劃
1123時序差分學習
113深度強化學習
1131深度Q網絡(DQN)
1132Dueling 網絡
114小結與拓展
實驗十一:強化學習實驗
習題
參考文獻
機器學習 作者簡介
胡曉,廣州大學教授,從事電子信息、電氣工程、自動化等相關專業的本科教學,曾主持廣東省教育廳教研改革項目1項,發表教研論文3篇。曾三次獲 “最受學生歡迎老師”和三次 “教學優秀一等獎”,于2009年獲得“南粵優秀教師”。從事類腦機器視覺類腦機器學習、機器視覺和智能控制等相關領域研究,主持國家和廣東省自然科學基金項目各1項,廣東省科技計劃項目1項和廣州市資助科研項目2項。在Pattern Recognition等期刊SCI檢索和人工智能國際會議(AAAI-20)發表學術論文9篇。獲省科技進步獎三等獎1項。 目前為Transactions on Image Processing等國際期刊審稿。
- >
羅曼·羅蘭讀書隨筆-精裝
- >
巴金-再思錄
- >
李白與唐代文化
- >
山海經
- >
二體千字文
- >
煙與鏡
- >
有舍有得是人生
- >
名家帶你讀魯迅:故事新編