互联网 类型
可以朗读 语音朗读
107千字 字数
2025-10-01 发行日期
展开全部

主编推荐语

一本通俗易懂的机器学习教材。

内容简介

本书以机器学习的基本方法为主要内容，引入计算机视觉的一些基本概念和方法，形成以“数据—模型—任务”为主线的讲解思路。本书将人们日常生活中比较容易理解的一些案例作为机器学习方法的引入，循序渐进地开展模型的介绍，大部分章节都配有相关案例的代码供读者实践，使读者能够形成理论、案例与实践相结合的多角度理解。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第1章 数据与机器学习
  • 1.1 数据
  • 1.1.1 数据的来源
  • 1.1.2 数据的类型
  • 1.2 机器学习的任务
  • 1.3 机器学习的场景
  • 1.4 数据预处理
  • 1.4.1 归一化
  • 1.4.2 标准化
  • 1.4.3 缺失值填充
  • 1.5 机器学习模型的评价指标
  • 1.6 本书的主要内容框架
  • 1.7 参考文献
  • 1.8 习题
  • 第2章 数据可视化
  • 2.1 基本类型
  • 2.1.1 饼状图
  • 2.1.2 柱状图
  • 2.1.3 南丁格尔玫瑰图
  • 2.1.4 折线图
  • 2.1.5 雷达图
  • 2.1.6 平行坐标图
  • 2.1.7 桑基图
  • 2.1.8 弦图
  • 2.1.9 散点图
  • 2.2 基本构成元素和设计思路
  • 2.3 参考文献
  • 2.4 习题
  • 第3章 图像特征提取
  • 3.1 灰度图像
  • 3.1.1 图像的数字表示
  • 3.1.2 灰度图像的数字表示
  • 3.2 LBP
  • 3.3 颜色特征提取
  • 3.3.1 RGB颜色模型
  • 3.3.2 HSV颜色模型
  • 3.4 HSV特征提取
  • 3.5 拓展知识点
  • 3.6 参考文献
  • 3.7 习题
  • 第4章 数据分类
  • 4.1 分类
  • 4.2 KNN分类
  • 4.3 分类结果的评价指标
  • 4.4 拓展知识点
  • 4.5 参考文献
  • 4.6 习题
  • 第5章 K-means聚类
  • 5.1 聚类问题的阐述
  • 5.2 K-means算法的基本原理
  • 5.2.1 数据样本之间的相似性度量
  • 5.2.2 K-means算法的基本步骤
  • 5.2.3 K-means算法的特点
  • 5.3 聚类结果的评价指标
  • 5.3.1 聚类算法常见的内部评价指标
  • 5.3.2 聚类算法常见的外部评价指标
  • 5.4 拓展知识点：K-means算法的应用
  • 5.5 参考文献
  • 5.6 习题
  • 第6章 综合应用案例
  • 6.1 聚类与人机交互的数据可视化
  • 6.2 K-means聚类的交互数据可视化设计要点
  • 6.3 参考文献
  • 6.4 习题
  • 第7章 线性回归与正则化
  • 7.1 线性回归的问题定义
  • 7.2 线性回归的求解
  • 7.2.1 损失函数
  • 7.2.2 线性回归的解
  • 7.3 正则化线性回归
  • 7.3.1 正则化的作用
  • 7.3.2 L2正则化——岭回归
  • 7.3.3 L1正则化——Lasso回归
  • 7.4 R2度量
  • 7.4.1 R2度量的引出
  • 7.4.2 线性回归中的R2度量
  • 7.5 参考文献
  • 7.6 习题
  • 第8章 逻辑回归
  • 8.1 逻辑回归模型
  • 8.2 多分类的Softmax回归模型
  • 8.3 参考文献
  • 8.4 习题
  • 第9章 线性降维
  • 9.1 特征选择与特征提取
  • 9.2 度量视角的PCA
  • 9.3 信息视角的PCA
  • 9.4 概率统计视角的PCA
  • 9.5 参考文献
  • 9.6 习题
  • 第10章 非线性降维及其应用
  • 10.1 局部线性嵌入
  • 10.2 拉普拉斯特征映射
  • 10.3 LE的相关应用
  • 10.4 降维方法的思维拓展
  • 10.5 参考文献
  • 10.6 习题
  • 第11章 核函数及其应用
  • 11.1 线性可分与高维映射
  • 11.2 核函数
  • 11.3 核回归
  • 11.4 核PCA
  • 11.5 拓展知识点
  • 11.6 参考文献
  • 11.7 习题
  • 第12章 神经网络基础
  • 12.1 神经元模型
  • 12.1.1 神经元
  • 12.1.2 Rosenblatt感知机
  • 12.1.3 异或问题
  • 12.2 神经网络
  • 12.2.1 递归神经网络
  • 12.2.2 前馈神经网络
  • 12.3 参考文献
  • 12.4 习题
  • 第13章 反向传播神经网络
  • 13.1 梯度下降法
  • 13.2 随机梯度下降法
  • 13.3 反向传播
  • 13.4 梯度消失
  • 13.5 参考文献
  • 13.6 习题
  • 第14章 深度神经网络
  • 14.1 “深度”的意义
  • 14.2 卷积神经网络的基本操作
  • 14.2.1 卷积
  • 14.2.2 池化
  • 14.2.3 激活
  • 14.3 经典卷积神经网络
  • 14.3.1 AlexNet
  • 14.3.2 VGG
  • 14.3.3 GoogLeNet
  • 14.3.4 ResNet
  • 14.3.5 SENet
  • 14.4 参考文献
  • 14.5 习题
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。