图解机器学习算法（全彩印刷）（全新未拆封）

图书标准信息

• 作者 [日]寺田学 著；[日]秋庭伸也、[日]杉山阿圣、郑明智 译
• 出版社 人民邮电出版社
• 出版时间 2021-06
• 版次 1
• ISBN 9787115563569
• 定价 79.80元
• 装帧 平装
• 开本 24开
• 纸张 胶版纸
• 页数 181页

【内容简介】

本书基于丰富的图示，详细介绍了有监督学习和无监督学习的17种算法，包括线性回归、正则化、逻辑回归、支持向量机、核方法、朴素贝叶斯、随机森林、神经网络、KNN、PCA、LSA、NMF、LDA、k-means算法、混合高斯分布、LLE和t-SNE。书中针对各算法均用Python代码进行了实现，读者可一边运行代码一边阅读，从而加深对算法的理解。

【作者简介】

秋庭伸也（作者）
日本早稻田大学硕士毕业，目前在Recruit Communications公司担任技术负责人。 
杉山阿圣（作者）
具有多年研发经验，目前在AI创业公司SENSY担任机器学习研究员。 
寺田学（作者） 
CMS Communications公司董事长、日本PyCon会议组织者、Plone基金会大使、Python工程师发展协会顾问理事、PSF（Python软件基金会）贡献成员。

郑明智（译者）
智慧医疗工程师，翻译经验丰富，有《白话机器学习的数学》《用Python动手学机器学习》等多部译著。

【目录】

第 1章

机器学习基础 1

1．1 机器学习概要 2

什么是机器学习 2

机器学习的种类 3

机器学习的应用 8

1．2 机器学习的步骤 9

数据的重要性 9

有监督学习（分类）的例子 11

无监督学习（聚类）的例子 16

可视化 18

图形的种类和画法：使用Matplotlib显示图形的方法 22

使用pandas理解和处理数据 30

本章小结 36

第 2章

有监督学习 37

2．1 算法1：线性回归 38

概述 38

算法说明 39

详细说明 41

2．2 算法2：正则化 45

概述 45

算法说明 48

详细说明 50

2．3 算法3：逻辑回归 52

概述 52

算法说明 53

详细说明 55

2．4 算法4：支持向量机 58

概述 58

算法说明 59

详细说明 60

2．5 算法5：支持向量机（核方法） 63

概述 63

算法说明 64

详细说明 65

2．6 算法6：朴素贝叶斯 68

概述 68

算法说明 70

详细说明 74

2．7 算法7：随机森林 76

概述 76

算法说明 77

详细说明 80

2．8 算法8：神经网络 81

概述 81

算法说明 83

详细说明 86

2．9 算法9：KNN 88

概述 88

算法说明 89

详细说明 90

第3章

无监督学习 93

3．1 算法10：PCA 94

概述 94

算法说明 95

详细说明 98

3．2 算法11：LSA 99

概述 99

算法说明 100

详细说明 104

3．3 算法12：NMF 105

概述 105

算法说明 106

详细说明 108

3．4 算法13：LDA 111

概述 111

算法说明 112

详细说明 114

3．5 算法14：k-means算法 117

概述 117

算法说明 117

详细说明 119

3．6 算法15：混合高斯分布 122

概述 122

算法说明 123

详细说明 126

3．7 算法16：LLE 127

概述 127

算法说明 128

详细说明 131

3．8 算法17：t-SNE 133

概述 133

算法说明 134

详细说明 136

第4章

评估方法和各种数据的处理 139

4．1 评估方法 140

有监督学习的评估 140

分类问题的评估方法 140

回归问题的评估方法 148

均方误差和决定系数指标的不同 152

与其他算法进行比较 152

超参数的设置 154

模型的过拟合 155

防止过拟合的方法 155

将数据分为训练数据和验证数据 156

交叉验证 158

搜索超参数 160

4．2 文本数据的转换处理 163

基于单词出现次数的转换 163

基于tf-idf的转换 164

应用于机器学习模型 165

4．3 图像数据的转换处理 167

直接将像素信息作为数值使用 167

将转换后的向量数据作为输入来应用机器学习模型 168

第5章

环境搭建 171

5．1 Python 3的安装 172

Windows 172

macOS 172

Linux 173

使用Anaconda在Windows上安装 174

5．2 虚拟环境 175

通过官方安装程序安装Python的情况 175

通过Anaconda安装Python的情况 177

5．3 第三方包的安装 178

什么是第三方包 178

安装第三方包的方法 178

参考文献 180