机器学 大数据分析 大中专理科计算机 李彦夫,张晨 编 新华正版
￥ 41.98 7.6折 ￥ 55 全新
库存9件
河北保定
认证卖家担保交易快速发货售后保障
作者李彦夫,张晨 编
出版社清华大学出版社
ISBN9787302608226
出版时间2023-10
版次1
装帧平装
开本16
页数268页
字数374千字
定价55元
货号xhwx_1203115380
上书时间2025-01-08
- 最新上架
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
主编：
入选清华大学本科教材建设项目；深入浅出，涵盖面广，应用案例丰富，注重理论联系实际，体例新颖，教辅齐全。
目录：
章 数学基础 1
1.1 线代数 1
1.1.1 标量、向量、矩阵和张量 1
1.1.2 线相关和生成子空间 3
1.1.3 矩阵的特征分解 3
1.1.4 矩阵的奇异值分解 5
1.1.5 范数 6
1.2 概率论和信息论简介 6
1.2.1 概率论 6
1.2.2 信息论 9
1.3 优化算法 13
1.3.1 梯度 13
1.3.2 梯度下降 15
1.3.3 约束优化 17
1.4 信号分析基础 19
1.4.1 信号分析的相关概念 19
1.4.2 信号的分解 23
1.4.3 傅里叶变换 25
1.4.4 小波变换 27
题 28
第2章 经典机器学 31
2.1 监督学 31
2.1.1 线回归模型 33
2.1.2 逻辑回归算法 38
2.1.3 k近邻法 42
2.1.4 朴素贝叶斯法 43
2.1.5 支持向量机 47
2.1.6 决策树 54
2.2 无监督学 59
2.2.1 降维 59
2.2.2 聚类 65
题 72
第3章 深度学 74
3.1 人工神经网络 74
3.1.1 神经元基础 74
3.1.2 激活函数类型 75
3.1.3 神经网络基础 76
3.1.4 神经网络权值更新 78
3.1.5 其他梯度下降法 82
3.1.6 案例： 神经网络识别数字 84
3.2 卷积神经网络 84
3.2.1 卷积作 85
3.2.2 卷积层相关概念 86
3.2.3 池化作 90
3.2.4 铺及全连接作 91
3.2.5 卷积神经网络反向传播公式 92
3.2.6 案例：卷积神经网络识别数字 96
3.3 循环神经网络 97
3.3.1 循环神经网络基础 97
3.3.2 循环神经网络传播公式 99
3.3.3 lstm网络 102
3.3.4 门控循环单元和双向lstm 104
3.3.5 深度循环神经网络 106
3.3.6 案例：循环神经网络文本预测 106
3.4 生成对抗神经网络 107
3.4.1 对抗神经网络基础 107
3.4.2 对抗神经网络实际作 110
3.4.3 生成对抗神经网络变体 112
3.4.4 案例：对抗神经网络生成样本 112
3.5 神经网络前沿延伸阅读 114
题 117
第4章 强化学 121
4.1 任务与奖励 121
4.2 马尔可夫决策过程 122
4.3 优策略 128
4.4 模型学 129
4.4.1 预备知识：蒙特卡罗方法 129
4.4.2 基于价值的方法 130
4.4.3 基于策略的方法 133
4.5 蒙特卡罗树搜索 135
4.5.1 背景 136
4.5.2 启发式搜索 138
4.5.3 预演算法 139
4.5.4 mcts算法 140
4.5.5 mcts示例 143
4.6 深度强化学 147
4.6.1 深度q网络 147
4.6.2 近端策略优化 149
4.6.3 延伸阅读：alphago 151
4.6.4 案例：基于深度q网络的智能小车衡 153
题 156
第5章 数据处理相关知识 158
5.1 大数据 158
5.1.1 大数据背景 158
5.1.2 大数据台 159
5.1.3 大数据分析建模方法体系 161
5.1.4 大数据台架构 164
5.1.5 大数据分析建模计算框架 166
5.2 数据处理 168
5.2.1 数据清洗 168
5.2.2 数据变换 170
5.2.3 数据降维 172
5.2.4 非衡数据集的处理 173
5.3 环境配置及代码编程 175
5.3.1 anaconda台介绍及环境配置 175
5.3.2 keras搭建神经网络序贯模型 177
第6章 生产系统相关案例 179
6.1 旋转机械关键部件故障诊断 179
6.1.1 背景介绍 179
6.1.2 案例研究 179
6.1.3 数据预处理 181
6.1.4 齿轮箱振动信号特征参数提取 182
6.1.5 svm故障分类模型构建 183
6.1.6 结果分析 185
6.1.7 结 185
6.2 刀具磨损评估 185
6.2.1 背景介绍 185
6.2.2 案例研究 186
6.2.3 磨损评估模型构建 188
6.2.4 评价指标构建 190
6.2.5 结果分析 191
6.2.6 结 192
第7章 能源、电信系统相关案例 193
7.1 风力发电机叶片开裂故障诊断 193
7.1.1 背景介绍 193
7.1.2 问题描述 193
7.1.3 数据预处理 194
7.1.4 评价指标 195
7.1.5 故障诊断方法 196
7.1.6 结果分析 197
7.1.7 结 198
7.2 基于深度强化学的核电站维修决策 198
7.2.1 背景介绍 198
7.2.2 问题描述 199
7.2.3 环境搭建 200
7.2.4 评价指标 201
7.2.5 ppo算法 202
7.2.6 结果分析 204
7.2.7 结 204
7.3 5g通信数据下行传输速率预测 205
7.3.1 问题背景 205
7.3.2 数据介绍 205
7.3.3 数据预处理 205
7.3.4 模型构建 206
7.3.5 结果分析 207
7.3.6 结 207
第8章 交通系统相关案例 208
8.1 高速列车车轮健康监测 208
8.1.1 背景介绍 208
8.1.2 数据预处理 208
8.1.3 监测方法 211
8.1.4 结果分析 212
8.1.5 结 213
8.2 航天装备的结构振动预测 213
8.2.1 背景介绍 213
8.2.2 问题描述 214
8.2.3 数据预处理 214
8.2.4 评价指标 216
8.2.5 振动预测方法 217
8.2.6 结果分析 219
8.2.7 结 219
8.3 城市公共交通系统的客流预测 221
8.3.1 背景介绍 221
8.3.2 数据描述 222
8.3.3 数据预处理 222
8.3.4 评价指标 224
8.3.5 模型构建 224
8.3.6 结果分析 226
8.3.7 结 227
第9章 医疗系统相关案例 228
9.1 糖尿病患者的血糖预测 228
9.1.1 背景介绍 228
9.1.2 问题描述 228
9.1.3 数据预处理 230
9.1.4 评价指标 232
9.1.5 血糖预测方法 232
9.1.6 结果分析 234
9.1.7 结 236
9.2 各省份新冠疫情聚类分析 237
9.2.1 背景介绍 237
9.2.2 问题描述 237
9.2.3 数据预处理 238
9.2.4 评价指标 239
9.2.5 多阶段分级聚类框架 239
9.2.6 结果分析 241
9.2.7 结 243
9.3 某种蛋白质电泳图像的分类 244
9.3.1 背景介绍 244
9.3.2 问题描述 244
9.3.3 数据预处理 245
9.3.4 评价指标 245
9.3.5 模型构建 246
9.3.6 结果分析 247
9.3.7 结 249
附录 数学符号列表 250
参文献 252
内容简介：
本套教材包括主教材机器学大数据分析，一套多媒体课件，一个大数据集，一套完整代码集。由授课教师在进行实践的基础上，适应当前改革的需要，结合清华大学机器学与大数据的经验编写而成。本书以机器学理论方法和大数据实践为两条并行主线贯穿整个课程。以经典机器学、深度学以及强化学部分为理论主体，重点介绍方法、公式推导、算法设计和分析；以生产系统、交通系统、能源系统、电信系统、医疗系统为主体实践领域，重点介绍大数据与机器学方法的联合应用以及评估。全书共分2篇，分别讲述机器学、方法以及在大数据领域的应用。
本套教材可作为高等院校非计算机类等专业的机器学课程教材，也可供有关技术人员作为自学用书。
作者简介：
李彦夫清华大学工程系教授，清华大学质量与可靠研究院副院长。20112016年任教于法国巴黎理工高等电力学院。长期致力于系统可靠、机器学应用研究，并将其应用于高铁、电信等领域，取得系列原创成果。代表发表在ieee tranaction、acm tranaction等期刊。hindex 24，elevier 2019年中国高被引学者。主持自科重点项目、重点研发计划课题等项目。承担华为、商飞、阿尔斯通等企业委托项目，多项成果得到应用获得明显经济效益。
— 没有更多了 —
以下为对购买帮助不大的评价