机器学实用教程(微课版) 大中专理科计算机 编者:刘波//王荣秀//刘崇文//范兴容|责编:白立军//杨帆 新华正版
举报
-
作者:
编者:刘波//王荣秀//刘崇文//范兴容|责编:白立军//杨帆
-
出版社:
清华大学
-
ISBN:
9787302556701
-
出版时间:
2021-01
-
版次:
1
-
装帧:
平装
-
开本:
16
-
页数:
165页
-
作者:
编者:刘波//王荣秀//刘崇文//范兴容|责编:白立军//杨帆
-
出版社:
清华大学
-
ISBN:
9787302556701
-
出版时间:
2021-01
-
版次:
1
-
装帧:
平装
售价
¥
20.60
4.2折
定价
¥49.00
品相
全新品相描述
上书时间2024-08-05
卖家超过10天未登录
-
-
商品描述:
-
主编:
"本书内容丰富,覆盖面广,囊括了监督机器学和无监督机器学的主要内容。对模型所涉及的理论进行了深入浅出的介绍。
提供了大量的题。本书的题不仅可以帮助读者理解相关的基本概念,而且还能帮助读者进一步熟悉机器学模型的实现和使用过程。
通过来介绍每一章的主要内容和题,主便读者自学。
注意培养读者良好的机器学建模方法和对应用问题的抽象能力、编程能力。
与计算机视觉,自然语言处理,深度学等课程之间有良好的衔接支撑。
"
目录:
章机器学概述1
1.1机器学的定义1
1.2机器学的发展历史3
1.3机器学的主要分支5
1.3.1监督学5
1.3.2无监督学7
1.3.3半监督学8
1.3.4强化学9
1.3.5深度学10
1.4机器学的应用12
1.4.1大数据分析12
1.4.2计算机视觉12
1.4.3自然语言处理13
1.4.4系统13
1.5机器学与其他学科的关系13
1.5.1与概率统计、矩阵计算、优化的关系14
1.5.2与人工智能、大数据、数据科学之间的关系14
1.6结15
1.7题15
参文献16
第2章线回归17
2.1一元线回归18
2.2多元线回归21
2.2.1模型及求解21
2.2.2多元线回归应用举例22
2.2.3解释线回归模型24
2.3线回归的正则化25
2.3.1lasso26
2.3.2lasso的应用举例28
2.4弹网29机器学实用教程(微课版)目录2.5结31
2.6题31
参文献31
第3章感知机33
3.1分类的定义及应用33
3.2评价分类模型的指标34
3.3感知机37
3.3.1感知机的结构38
3.3.2感知机模型的数学表示38
3.3.3感知机算法41
3.4多层感知机44
3.4.1认知机44
3.4.2神经认知机45
3.5实例应用46
3.5.1感知机对线可分数据集进行分类47
3.5.2感知机对线不可分数据集进行分类47
3.5.3用多层感知机进行图像分类47
3.6结49
3.7题49
参文献50
第4章logistic回归51
4.1线回归与logistic回归的关系51
4.2从统计的角度建立logistic回归模型54
4.3训练logistic回归模型54
4.3.1拉格朗法55
4.3.2梯度下降法55
4.4logistic回归模型的三种解释58
4.4.1基于概率的解释58
4.4.2基于大熵的解释58
4.4.3基于贝叶斯的解释60
4.5logistic回归模型应用举例61
4.6softmax回归模型63
4.7结64
4.8题64
参文献65
第5章贝叶斯分类66
5.1高斯判别分析68
5.2朴素贝叶斯70
5.3改进的朴素贝叶斯74
5.4结75
5.5题75
参文献76
第6章决策树78
6.1决策树的基本概念78
6.2构建决策树82
6.2.1不纯度函数的定义82
6.2.2常用不纯度函数83
6.3典型的决策树算法85
6.3.1cart算法86
6.3.2id3算法86
6.4决策树的构建策略及预测87
6.5决策树的停止标准与剪枝技术87
6.5.1停止标准88
6.5.2剪枝技术88
6.6决策树的优缺点90
6.7结91
6.8题91
参文献92
第7章集成学93
7.1集成学的基本93
7.2adaboost95
7.2.1adaboost算法的实现96
7.2.2adaboost示例98
7.2.3用优化的观点解释adaboost99
7.3森林101
7.4结104
7.5题104
参文献105
第8章k近邻算法107
8.1引言107
8.2k近邻算法的及应用108
8.2.1k近邻算法的工作109
8.2.2k近邻算法在图像检索中的应用111
8.2.3k近邻算法的优缺点113
8.3近似近邻算法113
8.3.1kd树算法113
8.3.2kd树算法的实现114
8.4k近邻算法的应用117
8.5结120
8.6题120
参文献120
第9章主成分分析122
9.1维度灾难122
9.2相关特征与冗余特征124
9.3主成分分析的127
9.3.1用回归的观点解释pca128
9.3.2用消除相关来解释pca128
9.3.3图像数据的降维处理130
9.3.4主成分分析在数据分析中的应用131
9.4结133
9.5题133
参文献133
0章无监督学135
10.1无监督学概述135
10.2聚类算法136
10.2.1聚类算法概述136
10.2.2聚类算法的评价指标137
10.3k-means聚类算法141
10.3.1k-means聚类算法141
10.3.2k-means聚类算法的示例143
10.3.3改进的k-means聚类算法146
10.4谱聚类算法150
10.4.1谱聚类算法的151
10.4.2谱聚类算法的实现155
10.4.3谱聚类算法的缺点156
10.5结156
10.6题157
参文献157
附录a用boston数据集解释简单线回归158
附录b多元线回归应用159
附录c岭回归应用160
附录d感知机对线可分数据集的分类161
附录e多层感知机的实现163
附录flogistic回归的实现164
内容简介:
本书在全面介绍机器学中的模型、算法以及相关编程技术等基本知识的基础上,着重介绍了监督机器学中的线回归、感知机、logitic回归、贝叶斯分类、集成学、k近邻以及无监督学中的主成分分析和聚类算法。在介绍这些算法时,都会通过例子分析如何使用这些算法解决实际应用问题。同时本书还介绍了机器学中监督学和无监督学的模型评价指标。全书可分为3部分来学:部分(章)为机器学的基础篇,着重介绍机器学的发展历史,各个主流的分支,机器学在人工智能中的作用以及学机器学所需要的数学知识;第二部分(第2~8章)为监督学篇,着重介绍基本的监督学方法的建模,求解模型的方法,如何基于klearn框架调用这些算法解决实际应用问题;第三部分(第9~10章)为无监督学篇,主要介绍主成分分析的基本和应用,kmean算法的基本及应用,谱聚类算法的基本和应用。本书除提供大量应用实例及每章后均附有题外,还配有微,主要对书中的一些重点和难点进行讲解,同时也对一些题进行介绍。本书适合作为高等院校智能科学与技术、计算机、软件工程专业本科生、的入门教材,同时也可供对初、器学比较熟悉的应用开发人员、广大科技工作者和研究人员参。
作者简介:
刘波 博士,重庆工商大学人工智能学院副教授。主要研究兴机器学、计算机视觉,大数据分析等。发表10余篇,以作者出版译者8部,比如所译的 opencv 3计算机视觉:python语言实现的上万册,出版专著2部(其中一部为作者,一部为第二作者),教材1部,作为完获得发明专利1项。完成重庆市教委研究项目一项,重庆工商大学研究项目2项。
孔网啦啦啦啦啦纺织女工火锅店第三课
开播时间:09月02日 10:30
即将开播,去预约
直播中,去观看