掃一掃
關注中圖網
官方微博
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
MATLAB機器學習實用教程 版權信息
- ISBN：9787302674757
- 條形碼：9787302674757 ; 978-7-302-67475-7
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
MATLAB機器學習實用教程 本書特色
《MATLAB機器學習實用教程》注重實用，每種算法都列舉了典型的應用實例，并提供了對應的MATLAB程序代碼，可以幫助讀者快速掌握典型的算法，并能把它們應用到自己的工作中，解決自己的問題。所以，《MATLAB機器學習實用教程》既可以做為學校、培訓班的教材，也可以做為相關行業工作者的有益的參考書和工具書。
MATLAB機器學習實用教程 內容簡介
"《MATLAB機器學習實用教程》介紹了機器學習的典型算法及MATLAB編程方法。主要內容包括：線性回歸、非線性回歸、分類、聚類、人工神經網絡、支持向量機、決策樹、模糊邏輯、集成學習、半監督學習、強化學習、關聯規則學習、深度學習、機器閱讀和機器寫作等。《MATLAB機器學習實用教程》注重實用性，精選了大量實例，每個實例都提供了MATLAB程序，并進行了詳細的注釋，有助于讀者真正理解這些算法和編程方法，把它們應用到自己的工作中來解決實際問題。因此，《MATLAB機器學習實用教程》具有較強的實用性和可操作性，可以作為高等院校理工、管理、經濟、金融等專業本科生、研究生的教材，也可以作為相關工作者的有益參考書和工具書。 "
MATLAB機器學習實用教程 目錄
第1章 機器學習基礎
1.1 機器學習概述
1.1.1 “機器學習”是什么
1.1.2 機器學習的流程
1.1.3 機器學習的類型
1.1.4 典型的機器學習算法
1.2 機器學習的發展歷程
1.2.1 早期階段
1.2.2 發展期
1.2.3 繁榮期
1.2.4 機器學習的現狀和發展趨勢
1.3 機器學習的應用
1.3.1 數據挖掘
1.3.2 模式識別
1.3.3 互聯網和電子商務
1.3.4 電子游戲
1.3.5 金融領域
1.4 MATLAB和機器學習
1.4.1 MATLAB軟件
1.4.2 MATLAB在機器學習中的應用案例
第2章 線性回歸
2.1 小二乘法
2.1.1 概述
2.1.2 一元線性回歸案例與MATLAB編程
2.1.3 多元線性回歸案例
2.2 魯棒線性回歸
2.2.1 概述
2.2.2 robustfit函數的應用案例與MATLAB編程
2.2.3 fitlm函數的應用案例與MATLAB編程
2.3 逐步回歸
2.3.1 概述
2.3.2 基于默認值的逐步回歸案例
2.3.3 基于自己設置的標準值的逐步回歸案例與MATLAB編程
2.4 嶺回歸
2.4.1 概述
2.4.2 嶺回歸案例
2.5 Lasso回歸和彈性網回歸
2.5.1 概述
2.5.2 Lasso回歸案例與MATLAB編程
2.5.3 彈性網回歸案例與MATLAB編程
2.6 邏輯回歸
2.6.1 概述
2.6.2 邏輯回歸預測案例與MATLAB編程
2.6.3 邏輯回歸分類案例與MATLAB編程
第3章 非線性回歸
3.1 多項式曲線擬合
3.1.1 概述
3.1.2 多項式曲線擬合案例與MATLAB編程
3.2 典型函數曲線擬合
3.2.1 指數函數曲線擬合案例與MATLAB編程
3.2.2 冪函數曲線擬合案例與MATLAB編程
3.2.3 傅里葉函數曲線擬合案例與MATLAB編程
3.2.4 高斯函數曲線擬合案例與MATLAB編程
3.3 曲面擬合、插值和樣條擬合
3.3.1 曲面擬合案例與MATLAB編程
3.3.2 插值案例與MATLAB編程
3.3.3 樣條擬合案例與MATLAB編程
3.3.4 樣條平滑化擬合案例與MATLAB編程
第4章 分類和聚類
4.1 分類算法1——判別分析
4.1.1 概述
4.1.2 判別分析分類案例與MATLAB編程
4.2 分類算法2——樸素貝葉斯法
4.2.1 概述
4.2.2 樸素貝葉斯法分類案例與MATLAB編程
4.3 分類算法3——K 近鄰算法
4.3.1 概述
4.3.2 K 近鄰算法分類案例與MATLAB編程
4.4 聚類算法1——K均值算法
4.4.1 概述
4.4.2 K均值算法聚類案例與MATLAB編程
4.5 聚類算法2——高斯混合模型
4.5.1 概述
4.5.2 高斯混合模型聚類案例與MATLAB編程
第5章 人工神經網絡
5.1 人工神經網絡在數據擬合中的應用
5.1.1 概述
5.1.2 人工神經網絡擬合案例與MATLAB編程
5.2 影響人工神經網絡模型預測性能的因素
5.2.1 隱含層的神經元數量
5.2.2 隱含層的層數
5.2.3 訓練算法的類型
5.2.4 網絡類型
5.3 人工神經網絡在分類中的應用
5.3.1 概述
5.3.2 人工神經網絡分類案例與MATLAB編程
第6章 支持向量機
6.1 支持向量機在回歸中的應用
6.1.1 概述
6.1.2 支持向量機回歸案例與MATLAB編程
6.2 預測性能的影響因素
6.2.1 高斯核函數
6.2.2 多項式核函數
6.3 定量影響分析
6.3.1 概述
6.3.2 定量影響分析案例與MATLAB編程
6.4 支持向量機在分類中的應用
6.4.1 概述
6.4.2 支持向量機分類案例與MATLAB編程
第7章 決策樹
7.1 決策樹的原理
7.1.1 決策樹的構建方法
7.1.2 決策樹的應用
7.1.3 決策樹的剪枝
7.1.4 構建決策樹的算法
7.2 決策樹在分類中的應用
7.2.1 概述
7.2.2 決策樹分類案例與MATLAB編程
7.3 決策樹在回歸中的應用
7.3.1 概述
7.3.2 決策樹回歸案例與MATLAB編程
第8章 模糊邏輯
8.1 模糊聚類
8.1.1 概述
8.1.2 模糊聚類案例與MATLAB編程
8.2 模糊邏輯在時間序列預測中的應用
8.2.1 概述
8.2.2 模糊邏輯的預測應用案例與MATLAB編程
第9章 集成學習
9.1 集成學習在回歸中的應用
9.1.1 fitrensemble函數
9.1.2 fitrensemble函數的回歸應用案例與MATLAB編程
9.1.3 TreeBagger函數
9.1.4 TreeBagger函數的回歸應用案例與MATLAB編程
9.2 集成學習在分類中的應用
9.2.1 fitcensemble函數
9.2.2 fitcensemble函數的分類應用案例與MATLAB編程
9.2.3 TreeBagger函數
9.2.4 TreeBagger函數的分類應用案例與MATLAB編程
0章 半監督學習
10.1 基于圖形法的半監督學習分類
10.1.1 概述
10.1.2 基于圖形法的半監督學習分類案例與MATLAB編程
10.2 基于自訓練法的半監督學習分類
10.2.1 概述
10.2.2 基于自
展開全部
MATLAB機器學習實用教程 作者簡介
由偉，清華大學材料科學與工程系博士，從事MATLAB方面的教學與科研工作：1． 編寫了基于MATLAB的人工神經網絡應用軟件Eagleye； 2．發表了60余篇學術論文；3．獲得10項發明專利，2項實用新型專利；4．獲得中國煤炭工業協會專利獎、河北省煤炭工業協會科技進步獎等獎勵。
書友推薦
- >
名家帶你讀魯迅:故事新編
- >
回憶愛瑪儂
- >
我與地壇
- >
隨園食單
- >
小考拉的故事-套裝共3冊
- >
羅庸西南聯大授課錄
- >
名家帶你讀魯迅:朝花夕拾
- >
詩經-先民的歌唱
本類暢銷
