[
-
内容大纲
机器学习是人工智能的重要分支。本书立足实用且易于上手实践的原则，系统地介绍机器学习领域的经典算法，以及这些算法的Python实现和典型应用。本书分4部分：第1部分介绍监督学习，包括线性模型、决策树分类、贝叶斯分类器、集成学习和支持向量机；第2部分介绍无监督学习，包括关联规则、聚类分析和数据降维；第3部分介绍深度学习，包括神经网络、深度学习和生成对抗网络；第4部分介绍强化学习。本书所介绍的经典机器学习算法及其应用案例均给出了相关实验数据和Python代码实现，每章末尾还给出了习题和实验题，便于读者巩固知识和开展课内实验。
本书可作为高等学校信息类以及相关专业高年级本科生和研究生的教材，也可供对机器学习感兴趣的工程技术人员阅读参考。 -
作者介绍
-
目录
第1章 绪论
1.1 什么是机器学习
1.1.1 机器学习的定义
1.1.2 机器学习的三要素
1.1.3 机器学习与数据挖掘
1.2 为什么要进行机器学习
1.3 机器学习的发展历程
1.4 机器学习算法
1.4.1 监督学习
1.4.2 无监督学习
1.4.3 半监督学习
1.4.4 强化学习
1.5 机器学习的应用
1.6 机器学习开发工具与框架
1.6.1 机器学习常用开发工具
1.6.2 机器学习常用框架
1.7 机器学习数据集
习题
第1部分 监督学习
第2章 线性模型
2.1 基本形式
2.2 线性回归
2.3 线性分类
2.4 多分类策略
习题
本章实验
第3章 决策树分类
3.1 基本概念
3.1.1 什么是分类
3.1.2 分类过程
3.1.3 分类器常见的构造方法
3.1.4 决策树分类
3.2 CART算法
3.2.1 CART算法介绍
3.2.2 CART算法原理
3.2.3 CART算法实例
3.2.4 CART算法Python实现
3.2.5 CART算法的优缺点
3.3 ID3算法
3.3.1 ID3算法介绍
3.3.2 ID3算法原理
3.3.3 ID3算法实例
3.3.4 ID3算法Python实现
3.3.5 ID3的优缺点
3.4 C4.5算法
3.4.1 C4.5算法介绍
3.4.2 C4.5算法原理
3.4.3 C4.5算法实例
3.4.4 C4.5算法Python实现
3.4.5 C4.5算法的优缺点
3.5 3种算法的比较
3.6 分类算法评价
3.6.1 常用术语
3.6.2 评价指标
3.6.3 分类器性能的表示
3.6.4 分类器性能的评估方法
习题
本章实验
第4章 贝叶斯分类器
4.1 贝叶斯理论
4.1.1 条件概率和乘法定理
4.1.2 全概率公式和贝叶斯定理
4.1.3 极大后验假设和极大似然假设
4.2 朴素贝叶斯分类算法
4.2.1 NBC算法原理
4.2.2 朴素贝叶斯分类器的特点
4.3 朴素贝叶斯分类器在破产预测中的应用
4.3.1 实验环境及数据集
4.3.2 数据处理
……
第2部分 无监督学习
第3部分 深度学习
第4部分 强化学习
同类热销排行榜
- C语言与程序设计教程(高等学校计算机类十二五规划教材)16
- 电机与拖动基础(教育部高等学校自动化专业教学指导分委员会规划工程应用型自动化专业系列教材)13.48
- 传感器与检测技术(第2版高职高专电子信息类系列教材)13.6
- ASP.NET项目开发实战(高职高专计算机项目任务驱动模式教材)15.2
- Access数据库实用教程(第2版十二五职业教育国家规划教材)14.72
- 信号与系统(第3版下普通高等教育九五国家级重点教材)15.08
- 电气控制与PLC(普通高等教育十二五电气信息类规划教材)17.2
- 数字电子技术基础(第2版)17.36
- VB程序设计及应用(第3版十二五职业教育国家规划教材)14.32
- Java Web从入门到精通(附光盘)/软件开发视频大讲堂27.92
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...