- 机器学习(新工科建设之路人工智能系列教材)
- - 作者：编者:孙立炜//占梅//李胜|责编:张鑫
  - 出版社：电子工业
  - ISBN：9787121496806
  - 出版日期：2025/01/01
  - 页数：199
- 售价：22.4

内容大纲
本书是面向高等院校计算机相关专业的机器学习教材。全书以机器学习应用程序的开发流程为主线，详细介绍数据预处理和多种算法模型的概念与原理；以Python和Spark为落地工具，使读者在实践中掌握项目代码编写、调试和分析的技能。本书最后两章是两个实战项目，举例讲解机器学习的工程应用。
本书内容丰富、结构清晰、语言流畅、案例充实，还配备了丰富的教学资源，包括源代码、教案、电子课件和习题答案，读者可以在华信教育资源网下载。
作者介绍
目录
第1章  机器学习技术简介
  1.1  机器学习简介
    1.1.1  机器学习的概念
    1.1.2  机器学习的算法模型
    1.1.3  机器学习应用程序开发步骤
  1.2  机器学习的实现工具
  1.3  Python平台搭建
    1.3.1  集成开发环境Anaconda
    1.3.2  集成开发环境PyCharm
    1.3.3  搭建虚拟环境
    1.3.4  配置虚拟环境
  1.4  Spark平台搭建
    1.4.1  Spark的部署方式
    1.4.2  安装JDK
    1.4.3  安装Scala
    1.4.4  安装开发工具IDEA
    1.4.5  安装Spark
    1.4.6  安装Maven
  1.5  基于Python创建项目
  1.6  基于Spark创建项目
  习题1
第2章  数据预处理
  2.1  数据预处理的概念
    2.1.1  数据清洗
    2.1.2  数据转换
  2.2  基于Python的数据预处理
  2.3  基于Spark的数据预处理
  习题2
第3章  分类模型
  3.1  分类模型的概念
  3.2  分类模型的算法原理
    3.2.1  决策树算法
    3.2.2  最近邻算法
    3.2.3  朴素贝叶斯算法
    3.2.4  逻辑回归算法
    3.2.5  支持向量机算法
  3.3  基于Python的分类建模实例
  3.4  基于Spark的分类建模实例
  习题3
第4章  聚类模型
  4.1  聚类模型的概念
    4.1.1  聚类模型概述
    4.1.2  聚类模型中的相似度计算方法
    4.1.3  聚类算法的评价
  4.2  聚类模型的算法原理
    4.2.1  K-means算法
    4.2.2  AGNES算法
    4.2.3  DBSCAN算法
    4.2.4  GMM算法
    4.2.5  二分K-means算法

    4.2.6  隐式狄利克雷分配算法
  4.3  基于Python的聚类建模实例
  4.4  基于Spark的聚类建模实例
  习题4
第5章  回归模型
  5.1  回归模型的概念
  5.2  回归模型的算法原理
    5.2.1  线性回归算法
    5.2.2  广义线性回归算法
  5.3  基于Python的回归建模实例
  5.4  基于Spark的回归建模实例
  习题5
第6章  关联模型
  6.1  关联模型的概念
  6.2  关联模型的算法原理
    6.2.1  关联规则算法
    6.2.2  协同过滤算法
  6.3  基于Python的关联建模实例
  6.4  基于Spark的关联建模实例
  习题6
第7章  数据降维
  7.1  数据降维的概念
  7.2  数据降维算法
    7.2.1  主成分分析
    7.2.2  奇异值分解
    7.2.3  线性判别分析
  7.3  基于Python的数据降维实例
  7.4  基于Spark的数据降维实例
  习题7
第8章  神经网络
  8.1  神经网络的概念
  8.2  神经网络的算法原理
    8.2.1  多层感知机
    8.2.2  卷积神经网络
  8.3  基于Python的神经网络实例
  8.4  基于Spark的神经网络实例
  习题8
第9章  项目实战1：食品安全信息处理与识别
  9.1  项目背景
  9.2  数据获取
    9.2.1  用SecureCRT连接MongoDB查看数据
    9.2.2  用Python连接MongoDB读取数据
  9.3  数据预处理
    9.3.1  数据转换
    9.3.2  数据清洗
  9.4  机器学习建模与分析
    9.4.1  将信息集合划分为训练集和测试集
    9.4.2  将NAME_AND_CONTENT字段数值化
    9.4.3  针对训练集建立分类模型进行训练
    9.4.4  用测试集检验分类模型的性能

    9.4.5  结果可视化
  9.5  项目总结
  习题9
第10章  项目实战2：基于Hive数据仓库的商品推荐
  10.1  项目背景
  10.2  数据获取
    10.2.1  用Navicat连接数据库查看数据
    10.2.2  用Spark获取数据到Hive的ODS数据仓库
  10.3  数据预处理
    10.3.1  对线下购物数据进行预处理，并存入Hive数据仓库的DW层
    10.3.2  对线上购物数据进行预处理，并存入Hive数据仓库的DW层
  10.4  机器学习建模与分析
    10.4.1  对线下购物数据进行分析，并将商品推荐结果写入MySQL
    10.4.2  对线上购物数据进行分析，并将商品推荐结果写入MySQL
  10.5  项目总结
  习题10
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目