互联网 类型
可以朗读 语音朗读
225千字 字数
2021-10-01 发行日期
展开全部

主编推荐语

本书对机器学习算法的基本原理和Python程序实现进行了系统的介绍。

内容简介

本书共8章，包括机器学习概述、Python机器学习与可视化、关联规则与推荐算法、聚类算法、分类算法、回归与逻辑回归、人工神经网络、支持向量机等内容。

本书可以作为高等院校机器学习和人工智能概论等课程的教材，也可作为机器学习算法入门读者的自学用书，还可以作为人工智能等领域机器学习研究者和应用人员的参考书。

目录

  • 版权信息
  • 作者介绍
  • 前言
  • 第1章 机器学习概述
  • 1.1 机器学习的概念和步骤
  • 1.1.1 机器学习的一般过程
  • 1.1.2 机器学习的定义
  • 1.1.3 机器学习的过程举例
  • 1.1.4 评估机器学习模型的效果
  • 1.2 机器学习的预处理环节
  • 1.2.1 收集相关样本
  • 1.2.2 数据预处理
  • 1.2.3 数据标准化
  • 1.2.4 数据降维
  • 1.3 机器学习的类型
  • 1.3.1 按完成的任务分类
  • 1.3.2 按学习的过程分类
  • 1.4 机器学习的发展历史和应用领域
  • 1.4.1 机器学习的发展历史
  • 1.4.2 机器学习的应用领域
  • 1.5 习题
  • 第2章 Python机器学习与可视化
  • 2.1 Python程序入门
  • 2.1.1 一些简单的Python程序
  • 2.1.2 序列数据结构
  • 2.1.3 序列处理函数
  • 2.1.4 函数和类
  • 2.2 Python数据分析工具
  • 2.2.1 Anaconda的使用
  • 2.2.2 Spyder集成开发环境
  • 2.2.3 NumPy库
  • 2.3 数据可视化—基于Matplotlib库
  • 2.3.1 绘制曲线图
  • 2.3.2 绘制散点图等其他图形
  • 2.4 SciPy库
  • 2.5 sklearn库
  • 2.5.1 样本及样本的划分
  • 2.5.2 导入或创建数据集
  • 2.5.3 数据预处理
  • 2.5.4 数据的降维
  • 2.5.5 调用机器学习模型
  • 2.6 习题
  • 第3章 关联规则与推荐算法
  • 3.1 关联规则挖掘
  • 3.1.1 基本概念
  • 3.1.2 Apriori算法
  • 3.1.3 Apriori算法的程序实现
  • 3.1.4 FP-Growth算法
  • 3.2 推荐系统及算法
  • 3.2.1 协同过滤推荐算法
  • 3.2.2 协同过滤推荐算法应用实例
  • 3.3 利用协同过滤推荐算法实现电影节目推荐
  • 3.4 习题
  • 第4章 聚类
  • 4.1 聚类的原理与实现
  • 4.1.1 聚类的概念和类型
  • 4.1.2 如何度量距离
  • 4.1.3 聚类的基本步骤
  • 4.2 层次聚类算法
  • 4.2.1 层次聚类法举例
  • 4.2.2 层次聚类法的sklearn实现
  • 4.3 K-means聚类算法
  • 4.3.1 K-means聚类算法的原理和实例
  • 4.3.2 K-means聚类算法的k值的确定
  • 4.3.3 K-means聚类算法的sklearn实现
  • 4.4 K-medoids聚类算法
  • 4.4.1 K-medoids聚类算法的原理和实例
  • 4.4.2 K-medoids聚类算法的sklearn实现
  • 4.5 DBSCAN聚类算法
  • 4.5.1 DBSCAN聚类算法的原理和实例
  • 4.5.2 DBSCAN聚类算法的sklearn实现
  • 4.6 利用聚类算法实现车牌识别
  • 4.7 习题
  • 第5章 分类
  • 5.1 分类的基本原理
  • 5.1.1 分类与聚类的区别
  • 5.1.2 分类的步骤
  • 5.1.3 分类模型预测结果评估
  • 5.1.4 sklearn库的常用分类算法
  • 5.2 K-近邻算法
  • 5.2.1 K-近邻算法的原理和实例
  • 5.2.2 sklearn中分类模型的编程步骤
  • 5.2.3 K-近邻算法的sklearn实现
  • 5.2.4 绘制分类边界图
  • 5.2.5 确定最优的k值
  • 5.3 朴素贝叶斯分类算法
  • 5.3.1 朴素贝叶斯的原理与实例
  • 5.3.2 朴素贝叶斯分类的常见问题
  • 5.3.3 朴素贝叶斯分类算法的sklearn实现
  • 5.4 决策树分类算法
  • 5.4.1 信息论基础
  • 5.4.2 ID3算法
  • 5.4.3 C4.5算法
  • 5.4.4 CART算法
  • 5.4.5 决策树分类算法的sklearn实现
  • 5.5 随机森林分类算法
  • 5.5.1 集成学习理论
  • 5.5.2 随机森林分类算法的理论与实例
  • 5.5.3 随机森林分类算法的sklearn实现
  • 5.6 利用运动手环数据预测身体姿态
  • 5.7 习题
  • 第6章 回归与逻辑回归
  • 6.1 线性回归
  • 6.1.1 相关与回归
  • 6.1.2 线性回归分析
  • 6.1.3 线性回归方程参数的求法
  • 6.1.4 线性回归模型的sklearn实现
  • 6.2 逻辑回归
  • 6.2.1 线性分类模型的原理
  • 6.2.2 逻辑回归模型及实例
  • 6.3 逻辑回归模型的sklearn实现
  • 6.3.1 sklearn中的逻辑回归模型
  • 6.3.2 利用逻辑回归模型预测是否录取学生
  • 6.4 利用逻辑回归模型预测贷款违约行为
  • 6.5 习题
  • 第7章 人工神经网络
  • 7.1 神经元与感知机
  • 7.1.1 人工神经元与逻辑回归模型
  • 7.1.2 感知机模型
  • 7.1.3 感知机模型的Python实现
  • 7.1.4 多层感知机模型
  • 7.2 人工神经网络的核心要素
  • 7.2.1 神经元的激活函数
  • 7.2.2 损失函数
  • 7.2.3 网络结构
  • 7.2.4 反向传播
  • 7.3 人工神经网络的sklearn实现
  • 7.3.1 sklearn人工神经网络模块
  • 7.3.2 利用人工神经网络预测二手房销售数据
  • 7.4 深度学习与深度神经网络
  • 7.4.1 深度学习的概念和原理
  • 7.4.2 TensorFlow概述
  • 7.4.3 卷积神经网络
  • 7.5 利用神经网络进行手写数字识别
  • 7.6 习题
  • 第8章 支持向量机
  • 8.1 支持向量机的理论基础
  • 8.1.1 支持向量的超平面
  • 8.1.2 SVM间隔及损失函数
  • 8.1.3 非线性SVM与核函数
  • 8.1.4 支持向量机分类的步骤
  • 8.2 支持向量机的sklearn实现
  • 8.2.1 绘制决策边界
  • 8.2.2 绘制SVM的分类界面
  • 8.2.3 支持向量机参数对性能的影响
  • 8.3 利用支持向量机实现人脸识别
  • 8.4 习题
  • 参考文献
展开全部

评分及书评

尚无评分
目前还没人评分
  • 加载中...

出版方

机械工业出版社有限公司

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。