掃一掃
關(guān)注中圖網(wǎng)
官方微博
包郵 機(jī)器學(xué)習(xí)原理及應(yīng)用
作者：殷麗鳳,鄭廣海 編
開(kāi)本：
16開(kāi)
頁(yè)數(shù)：
280
本類(lèi)榜單：計(jì)算機(jī)/網(wǎng)絡(luò)銷(xiāo)量榜
本類(lèi)五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥52.7
加入購(gòu)物車(chē)
機(jī)器學(xué)習(xí)原理及應(yīng)用 版權(quán)信息
- ISBN：9787111771500
- 條形碼：9787111771500 ; 978-7-111-77150-0
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>
機(jī)器學(xué)習(xí)原理及應(yīng)用 本書(shū)特色
1.內(nèi)容豐富，每章提供思維導(dǎo)圖，幫助讀者學(xué)習(xí)理解。
2.以實(shí)例為引導(dǎo)，理論和實(shí)踐相結(jié)合，由淺入深闡述算法原理，每種算法都配備了相應(yīng)案例實(shí)踐。
3.配套資源豐富，提供電子課件、習(xí)題答案、數(shù)據(jù)集、教學(xué)大綱、教學(xué)日歷等資源。
機(jī)器學(xué)習(xí)原理及應(yīng)用 內(nèi)容簡(jiǎn)介
機(jī)器學(xué)習(xí)是人工智能領(lǐng)域的重要組成部分，其深度和廣度都在持續(xù)擴(kuò)展。本書(shū)不僅對(duì)機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)進(jìn)行了全面介紹，而且深入討論了各種經(jīng)典和常用的機(jī)器學(xué)習(xí)方法。通過(guò)理論與實(shí)踐相結(jié)合的方式，幫助讀者理解機(jī)器學(xué)習(xí)的基本原理，掌握常用的方法，并能夠在實(shí)際問(wèn)題中應(yīng)用這些技術(shù)。本書(shū)共10章，可分為兩部分。**部分主要介紹機(jī)器學(xué)習(xí)的背景知識(shí)，包括其定義、應(yīng)用領(lǐng)域、發(fā)展歷程等。這部分旨在為讀者提供一個(gè)全面的視角，從而了解機(jī)器學(xué)習(xí)的概貌。第二部分則側(cè)重于技術(shù)的討論，包括各種經(jīng)典和常用的機(jī)器學(xué)習(xí)方法的具體實(shí)現(xiàn)和應(yīng)用。這部分的內(nèi)容深入淺出，通過(guò)豐富的案例，幫助讀者理解各種方法的應(yīng)用場(chǎng)景和優(yōu)劣勢(shì)。此外，每章都提供了習(xí)題供讀者鞏固所學(xué)知識(shí)。
本書(shū)不僅適合作為高等院校計(jì)算機(jī)、軟件工程、自動(dòng)化及相關(guān)專(zhuān)業(yè)的本科生或研究生教材，也適合作為對(duì)機(jī)器學(xué)習(xí)感興趣的研究人員和工程技術(shù)人員的參考書(shū)。
機(jī)器學(xué)習(xí)原理及應(yīng)用機(jī)器學(xué)習(xí)原理及應(yīng)用 前言
前言
作為人工智能領(lǐng)域的核心技術(shù)之一，機(jī)器學(xué)習(xí)正在深刻地改變著人們的生產(chǎn)和生活。它已廣泛應(yīng)用于醫(yī)療、金融、交通和通信等領(lǐng)域，給人們帶來(lái)前所未有的機(jī)遇和挑戰(zhàn)！稒C(jī)器學(xué)習(xí)原理及應(yīng)用》旨在為讀者提供一種系統(tǒng)、全面的學(xué)習(xí)機(jī)器學(xué)習(xí)的方法。本書(shū)從機(jī)器學(xué)習(xí)的基本原理出發(fā)，逐步深入探討各種經(jīng)典和常用的機(jī)器學(xué)習(xí)算法，并結(jié)合實(shí)際應(yīng)用場(chǎng)景進(jìn)行案例研究和實(shí)踐。
編寫(xiě)《機(jī)器學(xué)習(xí)原理及應(yīng)用》的目的在于分享和傳達(dá)機(jī)器學(xué)習(xí)的基本原理、核心概念和算法，幫助初學(xué)者打下扎實(shí)的理論基礎(chǔ)，普及機(jī)器學(xué)習(xí)技術(shù)，讓更多人了解和認(rèn)識(shí)機(jī)器學(xué)習(xí)的價(jià)值和潛力！稒C(jī)器學(xué)習(xí)原理及應(yīng)用》通過(guò)實(shí)踐指導(dǎo)和應(yīng)用案例，指導(dǎo)讀者將機(jī)器學(xué)習(xí)算法應(yīng)用于實(shí)際問(wèn)題中！稒C(jī)器學(xué)習(xí)原理及應(yīng)用》將指導(dǎo)讀者使用Python中的NumPy、Pandas、Matplotlib、Scikit-Learn等開(kāi)源機(jī)器學(xué)習(xí)工具和庫(kù)進(jìn)行編程實(shí)踐和項(xiàng)目開(kāi)發(fā)。通過(guò)實(shí)踐，讀者能更好地掌握機(jī)器學(xué)習(xí)的技能和應(yīng)用。
機(jī)器學(xué)習(xí)原理及應(yīng)用 目錄
前言
第1章緒論
11機(jī)器學(xué)習(xí)的定義
12機(jī)器學(xué)習(xí)的發(fā)展歷史
13機(jī)器學(xué)習(xí)的分類(lèi)
131監(jiān)督學(xué)習(xí)
132無(wú)監(jiān)督學(xué)習(xí)
133半監(jiān)督學(xué)習(xí)
134強(qiáng)化學(xué)習(xí)
14基本術(shù)語(yǔ)與符號(hào)
141基本術(shù)語(yǔ)
142基本符號(hào)
15機(jī)器學(xué)習(xí)的過(guò)程
16將Python用于機(jī)器學(xué)習(xí)
161安裝Python解釋器
162安裝PyCharm
163安裝Anaconda
164用于科學(xué)計(jì)算、數(shù)據(jù)科學(xué)和
機(jī)器學(xué)習(xí)的軟件包
17本章小結(jié)
18習(xí)題
第2章模型評(píng)估與調(diào)優(yōu)
21概述
22評(píng)估方法
221留出法
222交叉驗(yàn)證法
223留一法交叉驗(yàn)證
224自助法
23優(yōu)化
231用學(xué)習(xí)和驗(yàn)證曲線調(diào)試
算法
232通過(guò)網(wǎng)格搜索調(diào)優(yōu)機(jī)器學(xué)習(xí)
模型
24性能度量
241錯(cuò)誤率與準(zhǔn)確率
242查準(zhǔn)率、查全率與F1
243ROC與AUC
244多元分類(lèi)評(píng)估指標(biāo)
25本章小結(jié)
26習(xí)題
第3章回歸分析
31引言
311回歸分析概述
312回歸分析的目標(biāo)
313回歸分析的步驟
32一元線性回歸
321一元線性回歸模型
322參數(shù)w和b的推導(dǎo)過(guò)程
323一元線性回歸模型的代碼
實(shí)現(xiàn)及應(yīng)用
33多元線性回歸
331多元線性回歸模型和參數(shù)
求解
332多元線性回歸模型的代碼
實(shí)現(xiàn)及應(yīng)用
34對(duì)率回歸
341對(duì)率回歸模型
342參數(shù)w和b的推導(dǎo)過(guò)程
343參數(shù)更新公式的推導(dǎo)
344對(duì)率回歸模型的代碼實(shí)現(xiàn)及
應(yīng)用
35多項(xiàng)式回歸
36正則化回歸
361嶺回歸模型
362*小絕對(duì)收縮與選擇
算子（LASSO回歸）
363彈性網(wǎng)絡(luò)
37回歸模型的評(píng)價(jià)指標(biāo)
38回歸分析實(shí)踐
381構(gòu)建波士頓房?jī)r(jià)預(yù)測(cè)模型
382構(gòu)建信用卡欺詐行為分類(lèi)
模型
39本章小結(jié)
310習(xí)題
第4章決策樹(shù)
41決策樹(shù)概述
411決策樹(shù)的概念
412決策樹(shù)的優(yōu)缺點(diǎn)
42決策樹(shù)的劃分準(zhǔn)則
421信息增益
422增益率
423基尼指數(shù)
43決策樹(shù)的建立
431決策樹(shù)的歸納過(guò)程
432決策樹(shù)實(shí)例分析
433決策樹(shù)停止準(zhǔn)則
434決策樹(shù)剪枝
44多變量決策樹(shù)
45集成方法
451隨機(jī)森林
452梯度提升樹(shù)
46回歸樹(shù)
461回歸決策樹(shù)
462回歸加權(quán)平均樹(shù)
463隨機(jī)森林回歸樹(shù)
464梯度提升回歸樹(shù)
47決策樹(shù)實(shí)踐
471構(gòu)建巴黎住房分類(lèi)模型
472構(gòu)建航班價(jià)格預(yù)測(cè)模型
48本章小結(jié)
49習(xí)題
第5章神經(jīng)網(wǎng)絡(luò)
51神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史
52神經(jīng)元模型
521生物學(xué)的神經(jīng)元模型
522M-P神經(jīng)元模型
53激活函數(shù)
531Sigmoid激活函數(shù)
532tanh激活函數(shù)
533ReLU激活函數(shù)
534采用激活函數(shù)的原因
535激活函數(shù)的特點(diǎn)
54感知機(jī)模型
541感知機(jī)模型的結(jié)構(gòu)
542感知機(jī)模型的原理
543感知機(jī)模型的實(shí)現(xiàn)
544感知機(jī)模型的優(yōu)缺點(diǎn)
55多層前饋神經(jīng)網(wǎng)絡(luò)模型
551多層前饋神經(jīng)網(wǎng)絡(luò)的工作
原理
552多層前饋神經(jīng)網(wǎng)絡(luò)參數(shù)的
學(xué)習(xí)過(guò)程
553多層前饋神經(jīng)網(wǎng)絡(luò)算法的
實(shí)現(xiàn)
56訓(xùn)練方法
561梯度下降法
562隨機(jī)梯度下降法
563小批量梯度下降法
57梯度消失和梯度爆炸
571產(chǎn)生原因
572解決方案
58神經(jīng)網(wǎng)絡(luò)實(shí)踐：構(gòu)建南瓜子
分類(lèi)模型
581數(shù)據(jù)的簡(jiǎn)單分析
582利用感知機(jī)
583利用多層感知機(jī)
59本章小結(jié)
510習(xí)題
第6章支持向量機(jī)
61支持向量機(jī)概述
611線性分類(lèi)
612*大間隔分類(lèi)
62硬間隔支持向量機(jī)
621硬間隔支持向量機(jī)模型
622利用對(duì)偶問(wèn)題求解
623硬間隔支持向量機(jī)求解
實(shí)例
63核支持向量機(jī)
631核函數(shù)
632核函數(shù)求解實(shí)例
64軟間隔支持向量機(jī)
641松弛變量
642對(duì)偶問(wèn)題
65感知機(jī)與SVM線性可分的
區(qū)別
66SVM的優(yōu)缺點(diǎn)
67支持向量機(jī)實(shí)踐：構(gòu)建手機(jī)
價(jià)格分類(lèi)模型
671數(shù)據(jù)的簡(jiǎn)單分析
672利用硬間隔支持向量機(jī)
673利用軟間隔支持向量機(jī)
68本章小結(jié)
69習(xí)題
第7章貝葉斯分類(lèi)器
71貝葉斯分類(lèi)器概述
711貝葉斯定理
712貝葉斯定理的應(yīng)用
713貝葉斯思想
72貝葉斯分類(lèi)器的原理
721貝葉斯決策論
722極大似然估計(jì)
73樸素貝葉斯分類(lèi)器
74半樸素貝葉斯分類(lèi)器
741超父獨(dú)依賴分類(lèi)器
742平均獨(dú)依賴估計(jì)
743樹(shù)增廣樸素貝葉斯
75貝葉斯網(wǎng)絡(luò)
751貝葉斯網(wǎng)絡(luò)的定義
752貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)特征
753貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)
754貝葉斯網(wǎng)絡(luò)的推斷
76貝葉斯分類(lèi)器實(shí)踐：構(gòu)建
鳶尾花分類(lèi)模型
761數(shù)據(jù)的簡(jiǎn)單分析
762利用樸素貝葉斯
763利用半樸素貝葉斯
764利用貝葉斯網(wǎng)絡(luò)
77本章小結(jié)
78習(xí)題
第8章聚類(lèi)分析
81聚類(lèi)概述
811聚類(lèi)的相關(guān)概念
812聚類(lèi)與分類(lèi)的區(qū)別
813聚類(lèi)算法的分類(lèi)
814相似性度量
815歸一化處理
82基于劃分的聚類(lèi)算法
821K-Means算法
822K-Means 算法
823K-Medoid算法
824Kernel K-Means算法
825Mini-Batch K-Means
算法
826K-Means with Triangle
Inequality算法
83基于層
展開(kāi)全部
機(jī)器學(xué)習(xí)原理及應(yīng)用 作者簡(jiǎn)介
殷麗鳳，博士，副教授，碩士生導(dǎo)師，研究方向?yàn)榇髷?shù)據(jù)分析、機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)等領(lǐng)域的算法及應(yīng)用研究。畢業(yè)于哈爾濱理工大學(xué)計(jì)算機(jī)應(yīng)用技術(shù)專(zhuān)業(yè)并獲得博士學(xué)位。近十多年來(lái)，一直致力于計(jì)算機(jī)應(yīng)用技術(shù)領(lǐng)域的研究與教學(xué)。她的興趣涵蓋了軟件工程、機(jī)器學(xué)習(xí)、人工智能等方向。在多所高校擔(dān)任Python編程語(yǔ)言講授工作，并帶領(lǐng)學(xué)生完成了Python編程語(yǔ)言的課程設(shè)計(jì)工作。在教學(xué)中注重理論與實(shí)踐相結(jié)合，以生動(dòng)的案例和實(shí)際應(yīng)用來(lái)幫助學(xué)生更好地理解和掌握Python編程。她的專(zhuān)業(yè)知識(shí)和實(shí)踐經(jīng)驗(yàn)?zāi)軌驅(qū)?shí)際應(yīng)用場(chǎng)景與Python編程相結(jié)合，為學(xué)生提供更加實(shí)用和有深度的學(xué)習(xí)體驗(yàn)。
書(shū)友推薦
- >
山海經(jīng)
- >
中國(guó)人在烏蘇里邊疆區(qū):歷史與人類(lèi)學(xué)概述
- >
二體千字文
- >
小考拉的故事-套裝共3冊(cè)
- >
【精裝繪本】畫(huà)給孩子的中國(guó)神話
- >
名家?guī)阕x魯迅:朝花夕拾
- >
巴金－再思錄
- >
回憶愛(ài)瑪儂
本類(lèi)暢銷(xiāo)
