机器学习经典算法实践（Python版）

图书标准信息

• 作者 李茜 卢星宇 吴斌 肖云鹏
• 出版社 清华大学出版社
• 出版时间 2022-05
• 版次 1
• ISBN 9787302597117
• 定价 49.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 368页
• 字数 229千字

【内容简介】

本书的写作目的旨在帮助大量正走在、或即将走向学习机器学习路上的广大读者朋友。我们在日常教学和培养研究生过程中发现，很多同学一方面想学、愿意学；另一方面又遇到入门难的问题，希望能有一本书旨在帮助正走在或即将走向学习机器学习路上的广大读者朋友。我们在日常教学和培养研究生过程中发现，很多同学一方面想学、愿意学； 另一方面又遇到入门难的问题，希望能有一本书、一本教材讲原理、给数据、给源码、给实验，带着入门。本着这样一个初衷，我们选择了机器学习领域析十大经典算法，把我们平常培养硕士研究生一年级刚入校学生的算法材料整理，开放提供给广大希望学习的读者朋友，写一本机器学习入门级的学习材料。每章完整的源代码扫描二维码即可下载，每个算法一个Python工程，实验数据就在每个工程的data文件夹下。代码风格尽量保持一致，让读者更容易理解。 本书可作为高等学校各专业“机器学习”及相关课程的教学参考书。本书、一本教材讲原理、给数据、给源码、给实验，带着入门。

【作者简介】

李茜，博士，重庆邮电大学助理研究员，毕业于北京邮电大学。主要研究方向：大数据、社交网络、信息传播、机器学习。近年来，以第一作者在IEEE TCSS、Computational Intelligence、IEICE Transactions on Information and Systems、Physica A、网络与信息安全学报等国内外高水平期刊发表论文十余篇。

【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算法的引入

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