机器学及应用 人工智能 安俊秀 靳宇倡 陈宏松 陶全桧 马振明 等
none
￥ 37.15 5.3折 ￥ 69.8 全新
仅1件
北京丰台
认证卖家担保交易快速发货售后保障
作者安俊秀 靳宇倡 陈宏松 陶全桧 马振明 等
出版社人民邮电
ISBN9787115616845
出版时间2024-07
版次1
装帧平装
开本16
页数1页
定价69.8元
货号732_9787115616845
上书时间2024-12-30
- 在售商品 暂无
- 平均发货时间 26小时
- 好评率 暂无
- 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：
1.本书作者是多年从事一线工作的教师，具有较为丰富的经验。
2.本书注重与实践紧密结合，内容通俗易懂，实战高，可读强。
3.系统强，结构合理，将机器学的各个知识点串联起来，让读者对机器学有一个全面的系统化的认识和理解。
4.理论完备，案例丰富且贴合实际应用场景，助力读者进入机器学领域。
5.每个章节后均配有课后题，既便于，又便于自学。
目录：
章 机器学概述1
1.1 人工智能概述1
1.1.1 人工智能发展历程1
1.1.2 人工智能与机器学3
1.2 机器学的两大学派5
1.2.1 频率学派6
1.2.2 贝叶斯学派6
1.3 机器学的三要素7
1.3.1 数据7
1.3.2 模型8
1.3.3 算法9
1.4 机器学算法的4种类型9
1.4.1 有监督学算法10
1.4.2 无监督学算法10
1.4.3 半监督学算法11
1.4.4 强化学算法12
1.5 机器学的应用13
1.5.1 计算机视觉13
1.5.2 自然语言处理14
1.5.3 机器人15
题16
第2章 回归算法概述17
2.1 回归算法简介17
2.2 线回归19
2.2.1 算法19
2.2.2 实现及参数20
2.3 多元线回归24
2.3.1 算法24
2.3.2 实现及参数25
2.4 正则化回归分析29
2.4.1 过拟合与正则化29
2.4.2 岭回归30
2.4.3 套索回归32
2.4.4 弹网络回归33
2.5 贝叶斯模型35
2.5.1 贝叶斯方法35
2.5.2 贝叶斯回归36
2.6 softmax回归40
2.6.1 算法40
2.6.2 实现及参数41
2.7 项目实践：航班乘客流量预测44
题52
第3章 分类算法概述53
3.1 分类算法简介53
3.2 k近邻查询算法54
3.2.1 算法54
3.2.2 实现及参数55
3.3 逻辑回归算法58
3.3.1 算法58
3.3.2 实现及参数60
3.4 贝叶斯网络与朴素贝叶斯分类器62
3.4.1 贝叶斯网络62
3.4.2 朴素贝叶斯分类器63
3.5 决策树算法65
3.5.1 算法66
3.5.2 选择优特征68
3.6 集成学算法69
3.6.1 森林算法70
3.6.2 adaboost算法71
3.7 项目实践：水果分类73
题78
第4章 支持向量机概述79
4.1 支持向量机简介79
4.1.1 超面与线可分80
4.1.2 大化间隔81
4.2 核函数81
4.3 多分类处理84
4.3.1 “1?a?r”方法84
4.3.2 树形支持向量机多分类方法85
4.3.3 决策树支持向量机多分类器85
4.4 结构风险分析85
4.5 项目实践：猫分类器86
4.5.1 实践准备87
4.5.2 训练模型88
4.5.3 验证模型90
题92
第5章 数据降维概述93
5.1 数据降维简介93
5.2 线降维94
5.2.1 pca94
5.2.2 使用大投影方差理解pca97
5.2.3 使用小重构代价理解pca98
5.2.4 lda100
5.3 非线降维103
5.3.1 局部线嵌入103
5.3.2 拉普拉斯特征映104
5.3.3 近邻嵌入107
5.3.4 t分布近邻嵌入108
5.4 自108
5.5 项目实践：自114
题117
第6章 聚类算法概述118
6.1 聚类算法简介118
6.2 基于划分的聚类算法119
6.2.1 k均值聚类算法119
6.2.2 em算法121
6.3 基于密度的聚类算法123
6.3.1 dbscan算法123
6.3.2 dpc算法127
6.4 基于图的聚类算法129
6.5 项目实践：人脸图像聚类131
题134
第7章 深度学概述135
7.1 深度学简介135
7.2 感知器136
7.3 人工神经网络138
7.4 反向传播算法139
7.5 常用的深度学模型144
7.5.1 n144
7.5.2 rnn148
7.5.3 gan152
7.6 项目实践：图片分类154
题158
第8章 强化学概述159
8.1 强化学简介159
8.2 马尔可夫决策161
8.2.1 马尔可夫质161
8.2.2 马尔可夫过程161
8.2.3 马尔可夫决策过程164
8.2.4 优价值函数与优策略165
8.3 基于模型的强化学算法166
8.3.1 蒙特卡罗算法166
8.3.2 时序差分算法167
8.4 强化学前沿169
8.4.1 逆向强化学169
8.4.2 分层强化学170
8.4.3 深度强化学171
8.5 项目实践：车杆游戏172
题173
第9章 自然语言处理概述174
9.1 自然语言处理简介174
9.2 自然语言处理工具包和语料库175
9.2.1 自然语言处理工具包175
9.2.2 语料库176
9.3 自然语言处理技术分类177
9.3.1 自然语言处理基础技术分类177
9.3.2 自然语言处理应用技术分类179
9.4 transformer180
9.4.1 transformer整体结构181
9.4.2 自注意力机制183
9.4.3 transformer结187
9.5 项目实践：新闻文本分类187
题190
0章 系统概述191
10.1 系统简介191
10.1.1 什么是系统191
10.1.2 个化系统的应用191
10.2 协同过滤算法193
10.2.1 基于用户的协同过滤算法193
10.2.2 基于物品的协同过滤算法194
10.3 因子分解机算法195
10.3.1 fm算法的背景195
10.3.2 fm算法的优势195
10.3.3 fm算法的衍生算法196
10.4 梯度提升决策树算法196
10.4.1 回归树196
10.4.2 梯度迭代196
10.4.3 缩减198
10.5 评价指标198
10.5.1 在线评价体系198
10.5.2 离线评价体系199
10.6 项目实践：电影系统201
10.6.1 电影系统的需求分析201
10.6.2 系统架构的设计201
10.6.3 系统的实现202
题205
参文献206
内容简介：
本书全面介绍了机器学的基础知识和主要技术及其应用。全书共10章，首先对机器学进行概述，并介绍机器学的相关算法，如回归算法、分类算法、支持向量机、数据降维、聚类算法等；接着对深度学、强化学等算法的及实现过程进行介绍，以便于实际应用分析；后通过两个案例让读者进一步认识和理解机器学的相关应用，做到理论与实践的有机结合。
本书可作为高等院校计算机相关专业的教材，也可作为机器学相关行业的工作人员的参用书。
作者简介：
安俊秀，访问学者，硕士生导师。软件自动生成与智能服务四川省学术带头人(知识本体和大数据方向)。并行计算与大数据研究所负责人，长期从事数据科学与大数据相关的研究与工作，已发表研究领域相关40余篇，主编大数据与人工智能方面专著或教材10余部。
— 没有更多了 —
以下为对购买帮助不大的评价