消息首页搜索举报

微瑕走进人工智能:机器学习原理解析与应用

44.5 5.0折 89 全新

仅1件

北京丰台

认证卖家担保交易快速发货售后保障

作者宁可为,高远,赵源,杨涛

出版社清华大学出版社

ISBN9787302606963

出版时间2022-08

版次1

装帧平装

开本16开

纸张胶版纸

页数259页

字数99999千字

定价89元

货号2170-9787302606963

上书时间2024-12-10

青松阁文化

十五年老店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 12小时
好评率暂无

最新上架

微瑕办公软件高级应用案例教程（Office 2016 微课版） ¥26.40

微瑕办公空间设计 ¥23.90

微瑕版式设计与配色方法专业教程 ¥47.90

微瑕版式设计基础与实战：小白的进阶学习之路 ¥62.30

微瑕版式设计基础与实战（慕课版）教材 ¥34.90

微瑕版式设计从入门到精通第4版 ¥38.35

微瑕版式设计从入门到精通 ¥42.72

微瑕版式设计 ¥28.70

微瑕板绘教室 SAI日系动漫插画色彩与质感表现教程 ¥28.70

商品详情

品相描述：全新

商品描述: 基本信息
书名:走进人工智能:机器学习原理解析与应用
定价：89元
作者:宁可为,高远,赵源,杨涛
出版社：清华大学出版社
出版日期：2022-08-01
ISBN：9787302606963
字数：359000
页码：259
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐

内容提要
当前，人工智能正在改变世界，人工智能已经上升至国家战略高度，面对人工智能在教育界掀起的层层浪花，《走进人工智能：机器学习原理解析与应用》针对人工智能知识谱系庞杂的问题，聚集人工智能教育在阶段性教育中出现的断层现象，基于信息技术学科教育教学研究实践，以机器学习K近邻、决策树、随机森林、支持向量机、神经网络等18个经典的算法原理解析和具体应用为切入点，以Python编程IDE为操作工具，通过理论阐释、案例分析、编程实践，带领读者拨开迷雾，明晰路径，体验机器学习算法的奇妙，领略人工智能科学的精妙，获取人工智能“学什么、怎么学、怎么用”的方法。　　《走进人工智能：机器学习原理解析与应用》内容包括概述、分类、回归、聚类、关联分析、数据预处理和人工神经网络等内容。算法原理解析中所涉及的教学等晦涩内容都以知识窗的形式一一讲解，表述通俗易懂；算法具体应用中的案例典型生动，编程代码具体详细，力求让人工智能思想落地，直观地展现于读者面前。　　《走进人工智能：机器学习原理解析与应用》主要面向基础教育阶段信息技术学科教师、高中学生以及计算机相关专业的大中专学生和对人工智能领域感兴趣的大众读者，也可作为人工智能课程的学习材料。
目录
部分概述章人工智能基础 21. 1 人工智能 21. 1. 1 人工智能的由来 21. 1. 2 人工智能学科 31. 2 机器学习 61. 2. 1 机器学习简介 61. 2. 2 机器学习的类别 71. 2. 3 机器学习的应用 9本章小结 10第2 章 Pytho环境搭建112. 1 软件的下载与安装 112. 1. 1 平台一：海龟编辑器 112. 1. 2 平台二： PyCharm 132. 2 必需库功能简介 202. 2. 1 numpy——基础科学计算库 202. 2. 2 SciPy——科学计算工具集 222. 2. 3 Pandas——数据分析利器 232. 2. 4 matplotlib——图形绘制法宝 26IV 走进人工智能——机器学习原理解析与应用2. 2. 5 Sklearn——机器学习神器 28本章小结 30第二部分分类第3 章 K 近邻算法 333. 1 K 近邻算法的原理 333. 2 K 近邻算法的应用 373. 2. 1 K 近邻算法的常用参数 373. 2. 2 应用案例一：小说分类 373. 2. 3 应用案例二：糖尿病诊断 393. 3 K 近邻算法的特点 40本章小结 41第4 章决策树 424. 1 决策树的原理 424. 1. 1 决策树的分类过程 424. 1. 2 决策树的具体组成 434. 1. 3 构建决策树的相关概念 444. 2 决策树的构建 474. 2. 1 建树 474. 2. 2 剪枝 494. 3 决策树的应用 504. 3. 1 环境补充搭建 504. 3. 2 决策树的常用参数 504. 3. 3 应用案例：影院会员观影喜好分析 514. 4 决策树的特点 53本章小结 53第5 章随机森林 545. 1 随机森林的原理 545. 1. 1 集成学习 545. 1. 2 随机森林的分类过程 55目录V5. 2 随机森林的构建 575. 2. 1 训练样本随机采样 585. 2. 2 样本特征随机选择 595. 3 随机森林的应用 595. 3. 1 环境补充搭建 595. 3. 2 RandomForestClassifier 类 605. 3. 3 应用案例一：红酒分类——决策树与随机森林分类器效果对比 605. 3. 4 应用案例二：影院会员观影喜好分析 615. 4 随机森林的特点 67本章小结 68第6 章支持向量机 696. 1 支持向量机的逻辑原理 696. 2 支持向量机的数学原理解析 716. 2. 1 线性可分的情况 716. 2. 2 近似线性可分的情况 736. 2. 3 线性不可分的情况 746. 3 支持向量机中的核函数 766. 3. 1 支持向量机中常用核函数介绍 776. 3. 2 支持向量机中核函数的应用 786. 4 支持向量机的应用 806. 4. 1 SVM 类的常用参数 806. 4. 2 应用案例：情绪分类 80本章小结 84第7 章贝叶斯算法 857. 1 贝叶斯算法的原理 857. 1. 1 贝叶斯公式 857. 1. 2 贝叶斯算法的原理（以朴素贝叶斯算法为例） 897. 1. 3 贝叶斯算法的类别 907. 2 贝叶斯算法的应用 917. 2. 1 调用方法 917. 2. 2 应用案例：识别毒蘑菇 91VI 走进人工智能——机器学习原理解析与应用7. 3 贝叶斯算法的特点 93本章小结 94第三部分回归第8 章线性回归 978. 1 一元线性回归的原理 988. 2 一元线性回归的应用 1008. 2. 1 LinearRegressio类的常用参数 1008. 2. 2 应用案例：房屋翻修成本预测 1018. 3 多元线性回归的原理 1038. 4 多元线性回归的应用 1058. 5 线性回归算法的特点 107本章小结 108第9 章多项式回归 1099. 1 一元多项式回归的原理 1109. 2 一元多项式回归的应用 1149. 2. 1 PolynomialFeatures 类的常用参数 1149. 2. 2 应用案例：红酒价值预测 1149. 3 多元多项式回归的原理 1179. 4 多元多项式回归的应用 1199. 5 多项式回归的特点 120本章小结 1200 章 LASSO 回归与岭回归 12210. 1 L1 范数正则化——LASSO 回归 12310. 1. 1 LASSO 回归中的alpha 参数调节 12510. 1. 2 LASSO 类的常用参数 12510. 1. 3 应用案例：对糖尿病数据集进行拟合 12610. 2 L2 范数正则化——岭回归 13010. 2. 1 岭回归中的alpha 参数调节 13110. 2. 2 Ridge 类的常用参数 132目录VII10. 2. 3 应用案例：对糖尿病数据集进行拟合 13210. 3 LASSO 回归与岭回归的异同 13710. 3. 1 LASSO 回归与岭回归的共同点 13710. 3. 2 LASSO 回归与岭回归的区别 137本章小结 1371 章逻辑回归 13811. 1 逻辑回归的原理 13911. 2 逻辑回归的应用 14311. 2. 1 逻辑回归算法的常用参数 14311. 2. 2 应用案例：鸢尾花分类 14411. 3 逻辑回归实现多分类的原理 14511. 3. 1 OVR/A（One Vs Rest/All） 14611. 3. 2 OVO（One Vs One） 14711. 4 多分类逻辑回归的应用 14811. 5 逻辑回归的特点 150本章小结 1502 章模型评估与优化 15212. 1 交叉验证 15212. 1. 1 K 折交叉验证的原理 15412. 1. 2 交叉验证法的具体应用 15512. 1. 3 留一交叉验证法 15712. 2 分类模型的可信度评估 15812. 2. 1 混淆矩阵 15912. 2. 2 分类系统的评价指标 16012. 2. 3 应用案例：识别乳腺癌 16212. 3 回归模型的可信度评估 16312. 3. 1 平均误差 16412. 3. 2 均方误差 16412. 3. 3 均方根误差 16512. 3. 4 R2 16612. 3. 5 应用案例：波士顿房价预测 16612. 4 超参数调优 168VIII 走进人工智能——机器学习原理解析与应用12. 4. 1 简单网格搜索来寻找超参数 16812. 4. 2 与交叉验证结合的网格搜索 170本章小结 172第四部分聚类3 章物以类聚：K 均值聚类 17513. 1 K 均值算法的原理 17513. 1. 1 K 均值算法的基本思想 17613. 1. 2 算法基本过程 17713. 2 K 均值算法的应用 17813. 2. 1 KMeans 类的常用参数 17813. 2. 2 应用案例一：鸢尾花的聚类 17913. 2. 3 应用案例二：甜西瓜的由来（一） 18113. 3 K 均值算法的特点 184本章小结 1844 章 DBSCAN 聚类 18514. 1 DBSCAN 算法的原理 18614. 1. 1 DBSCAN 算法的核心概念 18614. 1. 2 DBSCAN 算法的基本过程 18714. 2 DBSCAN 算法的应用 18914. 2. 1 DBSCAN 类的常用参数 18914. 2. 2 应用案例一：小涛的问题 19014. 2. 3 应用案例二：甜西瓜的由来（二） 19114. 3 DBSCAN 算法的特点 193本章小结 193第五部分关联分析5 章 Apriori 算法 19615. 1 Apriori 算法的原理 19615. 1. 1 关联分析中的相关概念 196目录IX15. 1. 2 Apriori 算法的原理 19715. 2 Apriori 算法的应用 20115. 2. 1 Apriori 类的常用参数 20115. 2. 2 应用案例一：货架调整 20115. 2. 3 应用案例二：餐厅菜品 20315. 3 Apriori 算法的特点 206本章小结 206第六部分数据预处理6 章数据归一与标准化 20916. 1 数据归一化与标准化的必要性 20916. 2 数据归一化 21016. 2. 1 离差法过程 21016. 2. 2 均值归一化过程 21116. 2. 3 数据归一化的应用 21116. 3 数据标准化 21316. 3. 1 数据标准化过程 21416. 3. 2 数据标准化的应用 21416. 4 数据预处理实例 216本章小结 2197 章神奇的工具PCA 22017. 1 PCA 算法的基本原理 22117. 1. 1 PCA 的简单理解 22117. 1. 2 向量投影与内积 22217. 1. 3 PCA——选择的基 22417. 1. 4 PCA 的基本过程 22717. 2 PCA 算法的应用 22917. 2. 1 PCA 类的常用参数 22917. 2. 2 应用案例一：对鸢尾花进行PCA 降维 22917. 3 PCA 算法的特点 231本章小结 231X 走进人工智能——机器学习原理解析与应用第七部分人工神经网络8 章自主学习—— MLP 算法 23418. 1 人工神经网络的发展简史 23418. 2 单层感知机 23618. 3 多层感知机 24018. 3. 1 MLP 的基本原理 24018. 3. 2 MLP 前向传播 24218. 3. 3 MLP 后向传播 24518. 3. 4 梯度下降 24818. 4 MLP 算法的应用 25318. 4. 1 MLPClassifier 类的常用参数 25318. 4. 2 应用案例一：一起去游乐场 25418. 4. 3 应用案例二：图片文字识别 25618. 5 MLP 算法的特点 259本章小结 259
作者介绍
宁可为，博士，硕士研究生导师，乌鲁木齐市教育研究中心信息技术教研员、曾任乌鲁木齐市信息技术名师工作室主持人。主要研究方向为：中小学信息技术教育、计算机支持的协作学习（CSCL）。近年来在国内核心期刊发表论文多篇，主持并参与省部级科研项目多项。精通C、C#、Java等多种高级程序设计语言，在软件开发方面有丰富的产品开发经验。
序言

【封面】

— 没有更多了 —