机器学习算法与应用（Python版）

图书标准信息

• 作者 李阳；许若波；阮文飞；张先玉
• 出版社 清华大学出版社
• 出版时间 2022-03
• 版次 1
• ISBN 9787302601234
• 定价 49.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 148页
• 字数 215千字

【内容简介】

本书主要讲解了机器学习算法的基础知识，以及业界常用算法的应用。其中，项目1 介绍了机器学习的定义、类型、环境搭建以及开发步骤；项目2 介绍了如何进行数据预处理，包含如何对获取的原始数据进行处理、数据集的划分、数据的归一化，以及如何使用主成分分析来提取数据的主要特征等内容；其他8个项目主要介绍了目前主流的机器学习算法。每个项目均介绍了要讲解的算法的原理、步骤、特点，再通过具体的案例对算法的原理知识展开详细的讲解，并将算法应用于实际的场景中，加深读者对算法的理解。 　　本书可作为高等院校大数据技术、人工智能技术等相关专业的基础教材，也适合对机器学习感兴趣的读者自学。

【作者简介】

李阳，博士研究生，攻读硕士与博士期间的研究方向为图像处理、计算机视觉和机器学习等。曾在企业中任职网络工程师与图像算法工程师。现任江苏信息职业技术学院专职教师。以作者身份在ACM Transactions on Multimedia Computing, Communications, and Applications、Neurocomputing等期刊上发表学术论文7篇，申请国家发明专利4项，参与国家自然科学基金2项

【目录】

项目1　走进机器学习的世界  1

任务1-1 了解机器学习应用场景  2

任务1-2 机器学习算法的分类方式  3

任务1-3 软件库与框架  5

任务1-4 配置机器学习开发环境  7

任务1-5 了解机器学习步骤  9

项目小结  11

练习题  11

项目2　数据预处理 12

任务2-1 数据划分与归一化 13

任务2-2 重复值、缺损值和异常值处理 16

任务2-3 实现PCA 图像去噪 24

项目小结  28

练习题  28

项目3　基于K-Means 算法的应用实践 30

任务3-1 使用K-Means 算法实现聚类手写图像 31

任务3-2 实现身高、体重聚类 38

任务3-3 使用K-Means 算法实现图像压缩 42

项目小结  44

练习题  45

IV

机器学习算法与应用（Python 版）

项目4　基于KNN 算法的应用实践 46

任务4-1 使用KNN 算法实现鸢尾花分类 47

任务4-2 使用KNN 回归算法预测鞋码 52

任务4-3 使用KNN 算法实现乳腺癌预测 55

项目小结  58

练习题  58

项目5　基于线性回归算法的应用实践 60

任务5-1 使用一元线性回归算法实现直线拟合 61

任务5-2 使用多元线性回归算法实现波士顿房价预测 64

任务5-3 使用多项式扩展实现曲线预测 66

项目小结  68

练习题  68

项目6　基于逻辑回归算法的应用实践 70

任务6-1 使用逻辑回归算法检测信用卡欺诈 71

任务6-2 使用逻辑回归算法解决数据不平衡问题 76

任务6-3 使用逻辑回归算法处理鸢尾花分类问题 80

项目小结  82

练习题  82

项目7　基于决策树算法的应用实践 83

任务7-1 使用决策树算法实现鸢尾花分类 84

任务7-2 使用决策树回归算法实现曲线预测 93

任务7-3 使用决策树算法预测波士顿房价 95

项目小结  96

练习题  96

项目8　基于支持向量机算法的应用实践 98

任务8-1 使用支持向量机算法处理二维数据分类问题 99

任务8-2 使用支持向量机算法处理高维数据分类问题  103

任务8-3 使用SVM 回归算法预测曲线预测和波士顿房价  107

V

目 录

项目小结  110

练习题  110

项目9　基于神经网络算法实现曲线拟合  112

任务9-1 人工神经网络反向传播计算  113

任务9-2 使用人工神经网络算法拟合函数  118

任务9-3 使用人工神经网络算法实现鸢尾花分类  121

项目小结  123

练习题  123

项目10　基于AdaBoost 算法的应用实践  125

任务10-1 使用AdaBoost 算法原理知识进行分类器计算  126

任务10-2 使用AdaBoost 算法实现鸢尾花分类问题  129

任务10-3 使用AdaBoost 算法实现人脸识别  132

任务10-4 使用AdaBoost 算法实现曲线预测  135

项目小结  137

练习题  137

参考文献 139