- MATLAB机器学习实用教程(高等院校计算机教育系列教材)
- - 作者：编者:由伟|责编:张瑜
  - 出版社：清华大学
  - ISBN：9787302674757
  - 出版日期：2024/11/01
  - 页数：240
- 售价：23.6

内容大纲
本书介绍了机器学习的典型算法及MATLAB编程方法。主要内容包括：线性回归、非线性回归、分类、聚类、人工神经网络、支持向量机、决策树、模糊逻辑、集成学习、半监督学习、强化学习、关联规则学习、深度学习、机器阅读和机器写作等。本书注重实用性，精选了大量实例，每个实例都提供了MATLAB程序，并进行了详细的注释，有助于读者真正理解这些算法和编程方法，把它们应用到自己的工作中来解决实际问题。因此，本书具有较强的实用性和可操作性，可以作为高等院校理工、管理、经济、金融等专业本科生、研究生的教材，也可以作为相关工作者的有益参考书和工具书。
作者介绍
目录
第1章  机器学习基础
  1.1  机器学习概述
    1.1.1  “机器学习”是什么
    1.1.2  机器学习的流程
    1.1.3  机器学习的类型
    1.1.4  典型的机器学习算法
  1.2  机器学习的发展历程
    1.2.1  早期阶段
    1.2.2  发展期
    1.2.3  繁荣期
    1.2.4  机器学习的现状和发展趋势
  1.3  机器学习的应用
    1.3.1  数据挖掘
    1.3.2  模式识别
    1.3.3  互联网和电子商务
    1.3.4  电子游戏
    1.3.5  金融领域
  1.4  MATLAB和机器学习
    1.4.1  MATLAB软件
    1.4.2  MATLAB在机器学习中的应用案例
第2章  线性回归
  2.1  最小二乘法
    2.1.1  概述
    2.1.2  一元线性回归案例与MATLAB编程
    2.1.3  多元线性回归案例
  2.2  鲁棒线性回归
    2.2.1  概述
    2.2.2  robustfit函数的应用案例与MATLAB编程
    2.2.3  fitlm函数的应用案例与MATLAB编程
  2.3  逐步回归
    2.3.1  概述
    2.3.2  基于默认值的逐步回归案例
    2.3.3  基于自己设置的标准值的逐步回归案例与MATLAB编程
  2.4  岭回归
    2.4.1  概述
    2.4.2  岭回归案例
  2.5  Lasso回归和弹性网回归
    2.5.1  概述
    2.5.2  Lasso回归案例与MATLAB编程
    2.5.3  弹性网回归案例与MATLAB编程
  2.6  逻辑回归
    2.6.1  概述
    2.6.2  逻辑回归预测案例与MATLAB编程
    2.6.3  逻辑回归分类案例与MATLAB编程
第3章  非线性回归
  3.1  多项式曲线拟合
    3.1.1  概述
    3.1.2  多项式曲线拟合案例与MATLAB编程
  3.2  典型函数曲线拟合
    3.2.1  指数函数曲线拟合案例与MATLAB编程

    3.2.2  幂函数曲线拟合案例与MATLAB编程
    3.2.3  傅里叶函数曲线拟合案例与MATLAB编程
    3.2.4  高斯函数曲线拟合案例与MATLAB编程
  3.3  曲面拟合、插值和样条拟合
    3.3.1  曲面拟合案例与MATLAB编程
    3.3.2  插值案例与MATLAB编程
    3.3.3  样条拟合案例与MATLAB编程
    3.3.4  样条平滑化拟合案例与MATLAB编程
第4章  分类和聚类
  4.1  分类算法1——判别分析
    4.1.1  概述
    4.1.2  判别分析分类案例与MATLAB编程
  4.2  分类算法2——朴素贝叶斯法
    4.2.1  概述
    4.2.2  朴素贝叶斯法分类案例与MATLAB编程
  4.3  分类算法3——K最近邻算法
    4.3.1  概述
    4.3.2  K最近邻算法分类案例与MATLAB编程
  4.4  聚类算法1——K均值算法
    4.4.1  概述
    4.4.2  K均值算法聚类案例与MATLAB编程
  4.5  聚类算法2——高斯混合模型
    4.5.1  概述
    4.5.2  高斯混合模型聚类案例与MATLAB编程
第5章  人工神经网络
  5.1  人工神经网络在数据拟合中的应用
    5.1.1  概述
    5.1.2  人工神经网络拟合案例与MATLAB编程
  5.2  影响人工神经网络模型预测性能的因素
    5.2.1  隐含层的神经元数量
    5.2.2  隐含层的层数
    5.2.3  训练算法的类型
    5.2.4  网络类型
  5.3  人工神经网络在分类中的应用
    5.3.1  概述
    5.3.2  人工神经网络分类案例与MATLAB编程
第6章  支持向量机
  6.1  支持向量机在回归中的应用
    6.1.1  概述
    6.1.2  支持向量机回归案例与MATLAB编程
  6.2  预测性能的影响因素
    6.2.1  高斯核函数
    6.2.2  多项式核函数
  6.3  定量影响分析
    6.3.1  概述
    6.3.2  定量影响分析案例与MATLAB编程
  6.4  支持向量机在分类中的应用
    6.4.1  概述
    6.4.2  支持向量机分类案例与MATLAB编程
第7章  决策树

  7.1  决策树的原理
    7.1.1  决策树的构建方法
    7.1.2  决策树的应用
    7.1.3  决策树的剪枝
    7.1.4  构建决策树的算法
  7.2  决策树在分类中的应用
    7.2.1  概述
    7.2.2  决策树分类案例与MATLAB编程
  7.3  决策树在回归中的应用
    7.3.1  概述
    7.3.2  决策树回归案例与MATLAB编程
第8章  模糊逻辑
  8.1  模糊聚类
    8.1.1  概述
    8.1.2  模糊聚类案例与MATLAB编程
  8.2  模糊逻辑在时间序列预测中的应用
    8.2.1  概述
    8.2.2  模糊逻辑的预测应用案例与MATLAB编程
第9章  集成学习
  9.1  集成学习在回归中的应用
    9.1.1  fitrensemble函数
    9.1.2  fitrensemble函数的回归应用案例与MATLAB编程
    9.1.3  TreeBagger函数
    9.1.4  TreeBagger函数的回归应用案例与MATLAB编程
  9.2  集成学习在分类中的应用
    9.2.1  fitcensemble函数
    9.2.2  fitcensemble函数的分类应用案例与MATLAB编程
    9.2.3  TreeBagger函数
    9.2.4  TreeBagger函数的分类应用案例与MATLAB编程
第10章  半监督学习
  10.1  基于图形法的半监督学习分类
    10.1.1  概述
    10.1.2  基于图形法的半监督学习分类案例与MATLAB编程
  10.2  基于自训练法的半监督学习分类
    10.2.1  概述
    10.2.2  基于自训练法的半监督学习分类案例与MATLAB编程
第11章  强化学习
  11.1  强化学习在机器人中的应用
    11.1.1  概述
    11.1.2  基于Q学习算法的强化学习案例与MATLAB编程
    11.1.3  基于SARSA算法的强化学习案例的MATLAB编程
  11.2  强化学习在自动驾驶中的应用
    11.2.1  概述
    11.2.2  基于Q学习算法的强化学习案例与MATLAB编程
    11.2.3  基于SARSA算法的强化学习案例与MATLAB编程
第12章  关联规则学习
  12.1  关联规则学习
    12.1.1  什么是关联规则学习
    12.1.2  来源——“啤酒和尿布”的故事
    12.1.3  应用领域

  12.2  关联规则学习在购物中的应用
    12.2.1  概述
    12.2.2  关联规则学习在购物中的应用案例与MATLAB编程
  12.3  关联规则学习在互联网内容推送中的应用
    12.3.1  概述
    12.3.2  互联网内容推送案例与MATLAB编程
第13章  深度学习
  13.1  概述
    13.1.1  什么是深度学习
    13.1.2  应用
  13.2  卷积神经网络
    13.2.1  概述
    13.2.2  CNN图像识别案例与MATLAB编程
    13.2.3  CNN回归分析案例与MATLAB编程
  13.3  长短期记忆神经网络
    13.3.1  概述
    13.3.2  LSTM回归案例与MATLAB编程
    13.3.3  LSTM时序预测案例与MATLAB编程
第14章  机器阅读
  14.1  机器信息统计
    14.1.1  信息检索和提取案例与MATLAB编程
    14.1.2  词频统计案例与MATLAB编程
  14.2  文本的情感分析
    14.2.1  概述
    14.2.2  文本情感分析案例与MATLAB编程
  14.3  机器识别汉字
    14.3.1  汉字和意义的数字化表征
    14.3.2  建立映射关系
    14.3.3  转化数字形式的结果为图片
第15章  机器写作
  15.1  基于记忆原理的机器写作
    15.1.1  字词的数字化表征
    15.1.2  记忆字词
    15.1.3  回忆字词
    15.1.4  机器写作
  15.2  基于深度学习的机器写作
    15.2.1  搜集训练样本
    15.2.2  训练样本的数字化表征
    15.2.3  记忆字词
    15.2.4  回忆和写作
    15.2.5  改变数字化表征方法
    15.2.6  LSTM模型写作程序的修改
  15.3  影响LSTM模型写作质量的因素
    15.3.1  训练样本的次序
    15.3.2  训练样本的频率
    15.3.3  LSTM模型的训练次数
    15.3.4  数字化表征方法和训练次数的耦合影响

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目