4.1
用户推荐指数
科技 类型
7.2 豆瓣评分
可以朗读 语音朗读
88千字 字数
2020-01-01 发行日期
展开全部

主编推荐语

实例讲解易于理解的人工智能基础算法。

内容简介

本书介绍了人工智能算法的基础知识，包括量纲、距离度量、聚类、错误计算、高度爬升、Nelder Mead和线性回归等知识。这些不只是学习其他人工智能技术的基础知识，而且这些知识自身也很有用。

本书使用你可以自己执行的、实际的数学计算，阐述了所有这些算法。本书的每一章都包含一个编程示例，这些示例提供了Java、C#、R、Python和C的多个语言实现版本。

目录

  • 版权信息
  • 版权声明
  • 内容提要
  • 前言 / PREFACE
  • 资源与支持
  • 第1章 AI入门
  • 1.1 与人类大脑的联系
  • 1.1.1 大脑和真实世界
  • 1.1.2 缸中之脑
  • 1.2 对问题建模
  • 1.2.1 数据分类
  • 1.2.2 回归分析
  • 1.2.3 聚类问题
  • 1.2.4 时序问题
  • 1.3 对输入/输出建模
  • 1.3.1 一个简单的例子
  • 1.3.2 燃油效率
  • 1.3.3 向算法传入图像
  • 1.3.4 金融算法
  • 1.4 理解训练过程
  • 1.4.1 评估成果
  • 1.4.2 批量学习和在线学习
  • 1.4.3 监督学习和非监督学习
  • 1.4.4 随机学习和确定学习
  • 1.5 本章小结
  • 第2章 数据归一化
  • 2.1 计量尺度
  • 2.1.1 定性观测值
  • 2.1.2 定量观测值
  • 2.2 观测值归一化
  • 2.2.1 名义量归一化
  • 2.2.2 顺序量归一化
  • 2.2.3 顺序量解归一化
  • 2.2.4 数字量归一化
  • 2.2.5 数字量解归一化
  • 2.3 其他归一化方法
  • 2.3.1 倒数归一化
  • 2.3.2 倒数解归一化
  • 2.3.3 理解等边编码法
  • 2.3.4 等边编码法的实现
  • 2.4 本章小结
  • 第3章 距离度量
  • 3.1 理解向量
  • 3.2 计算向量距离
  • 3.2.1 欧氏距离
  • 3.2.2 曼哈顿距离
  • 3.2.3 切比雪夫距离
  • 3.3 光学字符识别
  • 3.4 本章小结
  • 第4章 随机数生成
  • 4.1 伪随机数生成算法的概念
  • 4.2 随机数分布类型
  • 4.3 轮盘模拟法
  • 4.4 伪随机数生成算法
  • 4.4.1 线性同余生成法
  • 4.4.2 进位乘数法
  • 4.4.3 梅森旋转算法
  • 4.4.4 Box-Muller转换法
  • 4.5 用蒙特卡洛方法估算PI值
  • 4.6 本章小结
  • 第5章 K均值聚类算法
  • 5.1 理解训练集
  • 5.1.1 非监督学习
  • 5.1.2 监督学习
  • 5.2 理解K均值算法
  • 5.2.1 分配
  • 5.2.2 更新
  • 5.3 K均值算法的初始化
  • 5.3.1 随机K均值初始化
  • 5.3.2 K均值算法的Forgy初始化
  • 5.4 本章小结
  • 第6章 误差计算
  • 6.1 方差和误差
  • 6.2 均方根误差
  • 6.3 均方误差
  • 6.4 误差计算方法的比较
  • 6.5 本章小结
  • 第7章 迈向机器学习
  • 7.1 多项式系数
  • 7.2 训练入门
  • 7.3 径向基函数网络
  • 7.3.1 径向基函数
  • 7.3.2 径向基函数网络
  • 7.3.3 实现径向基函数网络
  • 7.3.4 应用径向基函数网络
  • 7.4 本章小结
  • 第8章 优化训练
  • 8.1 爬山算法
  • 8.2 模拟退火算法
  • 8.2.1 模拟退火算法的应用
  • 8.2.2 模拟退火算法
  • 8.2.3 冷却进度
  • 8.2.4 退火概率
  • 8.3 Nelder-Mead算法
  • 8.3.1 反射
  • 8.3.2 扩张操作
  • 8.3.3 收缩操作
  • 8.4 Nelder-Mead算法的终止条件
  • 8.5 本章小结
  • 第9章 离散优化
  • 9.1 旅行商问题
  • 9.1.1 旅行商问题简要说明
  • 9.1.2 旅行商问题求解的实现
  • 9.2 环形旅行商问题
  • 9.3 背包问题
  • 9.3.1 背包问题简要说明
  • 9.3.2 背包问题求解的实现
  • 9.4 本章小结
  • 第10章 线性回归
  • 10.1 线性回归
  • 10.1.1 最小二乘法拟合
  • 10.1.2 最小二乘法拟合示例
  • 10.1.3 安斯库姆四重奏
  • 10.1.4 鲍鱼数据集
  • 10.2 广义线性模型
  • 10.3 本章小结
  • 附录A 示例代码使用说明
  • A.1 系列图书简介
  • A.2 保持更新
  • A.3 获取示例代码
  • A.3.1 下载压缩文件
  • A.3.2 克隆Git仓库
  • A.4 示例代码的内容
  • A.5 如何为项目做贡献
  • 参考资料
展开全部

评分及书评

4.1
11个评分
  • 用户头像
    给这本书评了
    4.0
    人工智能基础算法 浮光掠影的入门

    这套书的第一卷。内容有 AI 定义、数据归一化、距离度量、随机数、K 均值聚类、误差计算、迈向机器学习、优化训练、离散优化、线性回归。知识点不少，讲解的简单但是不够明了，一方面存在翻译错误和不准确，另一方面确是与入门不符的 “你已经知道” 的预设。给了不少伪代码，鸢尾花的例子真心不太喜欢。再有就是，基本上代码例子都是一扫而过，也得预设你很熟悉代码。所以扫一扫可以，别死磕浪费时间（我就有点耗时间了）。《啊哈！算法》这本书不错 可惜还没有电子书。

      转发
      评论
      用户头像
      给这本书评了
      3.0

      适合入门

        转发
        评论

      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。