机器学习原理及应用

图书标准信息

• 作者 陈海虹、黄彪、刘锋、陈文国 主编
• 出版社 电子科技大学出版社
• 出版时间 2017
• 版次 1
• ISBN 9787564748166
• 定价 85.00元
• 装帧 其他
• 开本 其他
• 纸张 其他
• 页数 364页
• 丛书 大数据丛书系列

【内容简介】

本书为配合大数据产业发展需要，主要介绍了什么是机器学习，机器学习的发展历程及研究现状、分类、应用前景，机器学习的基础理论，人工神经网络，主流的机器学习模型，机器学习方法，大数据时代的数据挖掘与机器学习，机器学习实用案例解析等内容。全书充分反映了机器学习的主要内容体系，结合最新的科技发展成果，注重理论的实际应用。

【目录】

章 绪论1．1 什么是机器学习1．2 机器学习的发展历程及研究现状1．2．1 机器学习的发展历程1．2．2 机器学习的研究现状1．3 机器学习的分类1．3．1 基于学习策略的分类1．3．2 基于学习方法的分类1．3．3 基于学习方式的分类1．3．4 基于数据形式的分类1．3．5 基于学习目标的分类1．4 机器学习的应用前景1．4．1 数据分析与挖掘1．4．2 模式识别1．4．3 在生物信息学上的应用1．4．4 更广阔的领域第2章 机器学习基础理论2．1 引言2．2 线性建模2．2．1 定义模型2．2．2 模型假设2．2．3 理想模型的定义2．2．4 二乘解2．3 向量和矩阵2．4 线性模型的非线性响应2．5 泛化与过拟合2．5．1 验证数据2．5．2 交叉验证2．5．3 K折交叉验证的计算缩放2．6 噪声2．7 随机变量和概率2．7．1 随机变量2．7．2 概率和概率分布2．7．3 概率的加法2．7．4 条件概率2．7．5 联合概率2．7．6 边缘化2．7．7 贝叶斯规则2．7．8 期望值2．8 常见的离散分布2．8．1 伯努利分布2．8．2 二项分布2．8．3 多项分布2．9 连续型随机变量一概率密度函数2．10 常见的连续概率密度函数2．10．1 均匀密度函数2．10．2 饷芏群2．10．3 斯密度函数2．10．4 多元高斯2．11 似然估计2．11．1 数据集的似然值2．11．2 似然2．11．3 似然解的特点2．11．4 似然法适用于复杂模型……第3章 人工神经网络第4章 主流的机器学习模型第5章 机器学习方法第6章 大数据时代的数据挖掘与机器学习第7章 机器学习实用案例解析参考文献
作者介绍

序言