机器学习经典算法实践 肖云鹏,卢星宇,许明 等 著 新华文轩网络书店 正版图书

图书标准信息

• 作者 肖云鹏 卢星宇 许明 汪浩瀚 吴斌 刘宴兵 著
• 出版社 清华大学出版社
• 出版时间 2018-07
• 版次 1
• ISBN 9787302493334
• 定价 49.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 185页
• 字数 200千字

【内容简介】

本书是为大学本科、研究生学习参考材料，以讲原理、完全开放源代码、使用公开数据集、实验效果演示为特色。既适合本科生、研究生教学使用，也适合自学。
  为了配合教师教学及同学们自学，本书提供了配套教学的ppt和所有章节的源代码。

【作者简介】

肖云鹏，博士，重庆邮电大学副教授，于北京邮电大学，美国佐治亚理工学院访问学者。重庆市青年科技创新人才资助计划获得者，曾在贝尔实验室学基础研究院从事项目研发。主要研究方向：社交网络、机器学。
卢星宇，复旦大学博士生。期间曾多次在“互联网”“挑战杯”科技竞争中获重量奖项。主要研究方向：机器学与光通信。
许明，清华大学博士后，于北京邮电大学。主要研究方向：机器学、时空数据挖掘与智能交通。
汪浩瀚，卡耐基梅隆大学计算机博士。本科于北京邮电大学，于卡耐基梅隆大学。主要研究方向：深度学和计算生物学。
吴斌，北京邮电大学计算机学院教授，博士生导师。北京邮电大学计算机学院大数据系系主任，数据科学与大数据技术专业负责人。研究方向：复杂网络、社交网络分析、数据挖掘和智能信息处理、大数据分析。
刘宴兵，重庆邮电大学教授，博导。万人计划领才，中青年科技领才，“人才”，重庆巿首批百名学术学科领才。主要研究方向：网络空间安全与管控、大数据安全。

【目录】

目录

●第1章KNN

 

1.1KNN算法原理

 

1.1.1算法引入

 

1.1.2科学问题

 

1.1.3算法流程

 

1.1.4算法描述

 

1.1.5补充说明

 

1.2KNN算法实现

 

1.2.1简介

 

1.2.2核心代码

 

1.3实验数据

 

1.4实验结果

 

1.4.1结果展示

 

1.4.2结果分析

 

●第2章朴素贝叶斯

 

2.1朴素贝叶斯算法原理

 

2.1.1朴素贝叶斯算法引入

 

2.1.2科学问题

 

2.1.3算法流程

 

2.1.4算法描述

 

2.1.5算法补充

 

2.2朴素贝叶斯算法实现

 

2.2.1简介

 

2.2.2核心代码

 

2.3实验数据

 

2.4实验结果

 

2.4.1结果展示

 

2.4.2结果分析

 

●第3章C4.5

 

3.1C4.5算法原理

 

3.1.1C4.5算法引入

 

3.1.2科学问题

 

3.1.3算法流程

 

3.1.4算法描述

 

3.1.5补充说明

 

3.2C4.5算法实现

 

3.2.1简介

 

3.2.2核心代码

 

3.3实验数据

 

3.4实验结果

 

3.4.1结果展示

 

3.4.2结果分析

 

●第4章SVM

 

4.1SVM算法原理

 

4.1.1算法引入

 

4.1.2科学问题

 

4.1.3算法流程

 

4.1.4算法描述

 

4.1.5补充说明

 

4.2SVM算法实现

 

4.2.1简介

 

4.2.2核心代码

 

4.3实验数据

 

4.4实验结果

 

4.4.1结果展示

 

4.4.2结果分析

 

●第5章AdaBoost

 

5.1AdaBoost算法原理

 

5.1.1算法引入

 

5.1.2科学问题

 

5.1.3算法流程

 

5.1.4算法描述

 

5.1.5补充说明

 

5.2AdaBoost算法实现

 

5.2.1简介

 

5.2.2核心代码

 

5.3实验数据

 

5.4实验结果

 

5.4.1结果展示

 

5.4.2结果分析

 

●第6章CART

 

6.1CART算法原理

 

6.1.1算法引入

 

6.1.2科学问题

 

6.1.3算法流程

 

6.1.4算法描述

 

6.1.5补充说明

 

6.2CART算法实现

 

6.2.1简介

 

6.2.2核心代码

 

6.3实验数据

 

6.4实验结果

 

6.4.1结果展示

 

6.4.2结果分析

 

●第7章K?Means

 

7.1K?Means算法原理

 

7.1.1算法引入

 

7.1.2科学问题

 

7.1.3算法流程

 

7.1.4算法描述

 

7.1.5补充说明

 

7.2K?Means算法实现

 

7.2.1简介

 

7.2.2核心代码

 

7.3实验数据

 

7.4实验结果

 

7.4.1结果展示

 

7.4.2结果分析

 

●第8章Apriori

 

8.1Apriori算法原理

 

8.1.1算法引入

 

8.1.2科学问题

 

8.1.3算法流程

 

8.1.4算法描述

 

8.2Apriori算法实现

 

8.2.1简介

 

8.2.2核心代码

 

8.3实验数据

 

8.4实验结果

 

8.4.1结果展示

 

8.4.2结果分析

 

●第9章PageRank

 

9.1PageRank算法原理

 

9.1.1PageRank算法引入

 

9.1.2科学问题

 

9.1.3算法流程

 

9.1.4算法描述

 

9.2PageRank算法实现

 

9.2.1简介

 

9.2.2核心代码

 

9.3实验数据

 

9.4实验结果

 

9.4.1结果展示

 

9.4.2结果分析

 

●第10章EM

 

10.1EM算法原理

 

10.1.1EM算法引入

 

10.1.2科学问题

 

10.1.3理论推导

 

10.1.4算法流程

 

10.1.5算法描述

 

10.2EM?GMM实现

 

10.2.1简介

 

10.2.2核心代码

 

10.3实验数据

 

10.4实验结果

 

10.4.1结果展示

 

10.4.2结果分析

 

参考文献