人工智能 类型
7.0 豆瓣评分
可以朗读 语音朗读
346千字 字数
2018-09-01 发行日期
展开全部

主编推荐语

机器学习基础与高级内容全面讲解，实例丰富，易于学习巩固。

内容简介

本书内容涵盖了机器学习的基础知识，主要包括机器学习的概论、统计学习基础、分类、聚类、神经网络、贝叶斯网络、支持向量机、进化计算、文本分析等经典的机器学习理论知识，也包括用于大数据机器学习的分布式机器学习算法、深度学习和加强学习等高级内容。此外，还介绍了机器学习的热门应用领域推荐技术，并给出了华为机器学习平台上的实验。本书深入浅出、内容全面、案例丰富，每章最后都有习题和参考文献，便于学生巩固学习。

目录

  • 版权信息
  • 内容提要
  • 丛书序一
  • 丛书序二
  • 前言
  • 第1章 机器学习概述
  • 1.1 机器学习简介
  • 1.2 机器学习、人工智能和数据挖掘
  • 1.3 典型机器学习应用领域
  • 1.4 机器学习算法
  • 1.5 机器学习的一般流程
  • 习题
  • 第2章 机器学习基本方法
  • 2.1 统计分析
  • 2.2 高维数据降维
  • 2.3 特征工程
  • 2.4 模型训练
  • 2.5 可视化分析
  • 习题
  • 第3章 决策树与分类算法
  • 3.1 决策树算法
  • 3.2 集成学习
  • 3.3 决策树应用
  • 习题
  • 第4章 聚类分析
  • 4.1 聚类分析概念
  • 4.2 聚类分析的度量
  • 4.3 基于划分的聚类
  • 4.4 基于密度的聚类
  • 4.5 基于层次的聚类
  • 4.6 基于网格的聚类
  • 4.7 基于模型的聚类
  • 习题
  • 第5章 文本分析
  • 5.1 文本分析介绍
  • 5.2 文本特征提取及表示
  • 5.3 知识图谱
  • 5.4 词法分析
  • 5.5 句法分析
  • 5.6 语义分析
  • 5.7 文本分析应用
  • 习题
  • 第6章 神经网络
  • 6.1 神经网络介绍
  • 6.2 神经网络相关概念
  • 6.3 神经网络应用
  • 习题
  • 第7章 贝叶斯网络
  • 7.1 贝叶斯理论概述
  • 7.2 贝叶斯概率基础
  • 7.3 朴素贝叶斯分类模型
  • 7.4 贝叶斯网络推理
  • 7.5 贝叶斯网络的应用
  • 习题
  • 第8章 支持向量机
  • 8.1 支持向量机模型
  • 8.2 支持向量机应用
  • 习题
  • 第9章 进化计算
  • 9.1 遗传算法的基础
  • 9.2 蚁群算法
  • 9.3 蜂群算法
  • 习题
  • 第10章 分布式机器学习
  • 10.1 分布式机器学习基础
  • 10.2 分布式机器学习框架
  • 10.3 并行决策树
  • k-均值算法
  • 习题
  • 第11章 深度学习
  • 11.1 卷积神经网络
  • 11.2 循环神经网络
  • 11.3 深度学习流行框架
  • 习题
  • 第12章 高级深度学习
  • 12.1 高级卷积神经网络
  • 12.2 高级循环神经网络应用
  • 12.3 无监督式深度学习
  • 12.4 强化学习
  • 12.5 迁移学习
  • 12.6 对偶学习
  • 习题
  • 第13章 推荐系统
  • 13.1 推荐系统基础
  • 13.2 推荐系统通用模型
  • 13.3 推荐系统评测
  • 13.4 推荐系统常见问题
  • 13.5 推荐系统实例
  • 习题
  • 第14章 实验
  • 14.1 华为FusionInsight产品平台介绍
  • 14.2 银行定期存款业务预测
  • 14.3 客户分群
  • 附录 《机器学习》配套实验课程方案简介
  • 参考文献
展开全部

评分及书评

评分不足
1个评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。