• 机器学习数学基础(Python语言实现)
图书条目标准图
21年品牌 40万+商家 超1.5亿件商品

机器学习数学基础(Python语言实现)

28.72 4.2折 69 九品

仅1件

北京海淀
认证卖家担保交易快速发货售后保障

作者周洋 张小霞 著

出版社北京大学出版社

出版时间2021-08

版次1

装帧其他

货号A8

上书时间2024-12-23

新起点书店

四年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:九品
图书标准信息
  • 作者 周洋 张小霞 著
  • 出版社 北京大学出版社
  • 出版时间 2021-08
  • 版次 1
  • ISBN 9787301322673
  • 定价 69.00元
  • 装帧 其他
  • 开本 16开
  • 纸张 胶版纸
  • 页数 254页
  • 字数 400.000千字
【内容简介】
《机器学习数学基础(Python语言实现)》是一本系统介绍机器学习所涉及的数学知识和相关Python编程的实例工具书,同时还介绍了非常经典的综合案例,除了编写机器学习的代码,还编写了深度学习的代码。《机器学习数学基础(Python语言实现)》一共分为两部分。
  部分为数学基础知识部分,包含 8个章节,介绍了微积分、线性代数、概率统计、信息论、模糊数学、随机过程、凸优化和图论的系统知识体系及几个数学知识点对应的Python编程实例。通过这些实例,读者能够了解Scikit-learn、Scikit-fuzzy、Theano、SymPy、NetworkX和CVXPY中相应的库函数的应用。
  第二部分为案例部分,包含4个章节,介绍了微积分、线性代数和概率统计问题的建模方法、求解流程和编程实现,以及工业生产领域的Python实战,包含了机器学习算法和深度学习PyTorch框架的应用。
  在学习《机器学习数学基础(Python语言实现)》内容前,建议读者先掌握基本的Python编程知识和数学基础,然后将《机器学习数学基础(Python语言实现)》通读一遍,了解《机器学习数学基础(Python语言实现)》的大概内容,后再跟着实例进行操作。
  《机器学习数学基础(Python语言实现)》既注重数学理论,又偏重编程实践,实用性强,适用于对编程有一定基础,对系统的数学知识非常渴望,想从事人工智能、大数据等方向研究的读者。同时也适合作为广大职业院校相关专业的教材或参考用书。
【作者简介】
周洋,成都嘉捷信诚解决方案专家,拥有12年toB行业大数据相关经验,对工业大数据、智慧电厂、智慧城市、智慧交通、智慧安防等行业趋势发展有前瞻性判断力。对机器学习、深度学习、大数据、知识图谱等技术有深入研究。

张小霞,控制理论与控制工程专业硕士。曾从事军工电子硬件和软件开发、机器人视觉检测、工业检测数据建模分析等相关工作,擅长机器学习和深度学习算法,对机器视觉中的目标检测、图像分割、三维点云检测及自然语言处理等方面有深入研究。现就职于成都航空职业技术学院,从事教学科研工作。
【目录】
第1章 微积分1

1.1 函数和极限2

小试牛刀01:Python编程实现函数极限10

1.2 导数11

1.3 方向导数和梯度19

小试牛刀02:Python编程实现雅可比矩阵、黑塞矩阵21

1.4 积分24

专家点拨28

NO1.从事编程开发的人员如何学习微积分?28

NO2.学习微积分需要全部掌握吗?28

NO3.学习微积分需要大量做题吗?28

本章小结28

第2章 线性代数29

2.1 行列式30

2.2 用向量描述空间35

2.3 内积、正交向量组和范数36

小试牛刀03:Python编程实现求范数39

2.4 矩阵和线性变换41

小试牛刀04:Python编程实现求逆矩阵、行列式的值、秩49

2.5 二次型50

2.6 矩阵分解52

小试牛刀05:Python编程实现矩阵的QR分解58

专家点拨61

NO1.线性代数有多重要?61

NO2.向量内积的几何解释是什么?61

NO3.奇异值分解的应用场景有哪些?62

本章小结62

第3章 概率统计63

3.1 随机事件和概率64

小试牛刀06:Python编程实现贝叶斯公式69

3.2 随机变量及其分布70

小试牛刀07:Python编程实现正态分布75

3.3 数字特征及随机变量间的关系76

小试牛刀08:Python编程实现Pearson相关系数80

3.4 概率统计的其他方面82

小试牛刀09:Python编程实现参数估计92

小试牛刀10:Python编程实现假设检验94

专家点拨96

NO1.“互斥事件”和“对立事件”的关系如何?96

NO2.大数定律有什么用?96

本章小结97

第4章 信息论98

4.1 信息熵99

小试牛刀11:Python编程实现交叉熵和KL散度101

4.2 自信息和互信息102

4.3 困惑度103

4.4 信道噪声模型104

专家点拨105

NO1.信息熵的用途是什么?105

NO2.TF?IDF的信息论依据是什么?106

NO3.如何训练熵模型?107

本章小结107

第5章 模糊数学108

5.1 基础概念109

5.2 模糊数学的应用110

小试牛刀12:Python编程实现模糊聚类114

专家点拨116

NO1.模糊数学对于我们学习算法重要吗?116

NO2.模糊控制理论和模糊数学的关系?117

NO3.模糊数学在数字图像处理方面的应用有哪些?117

本章小结117

第6章 随机过程118

6.1 基本概念119

6.2 马尔可夫过程120

小试牛刀13:Python编程实现HMM模型及Viterbi算法122

6.3 泊松过程124

小试牛刀14:Python编程实现泊松过程127

专家点拨130

NO1.马尔可夫过程思维在建模中的重要性有哪些?130

NO2.泊松过程和更新过程的区别和联系是什么?130

本章小结131

第7章 凸优化132

7.1 凸优化问题133

7.2 无约束的优化问题138

小试牛刀15:Python编程实现简单的梯度下降法146

7.3 等式约束的优化问题147

7.4 不等式约束的优化问题150

7.5 带L1范数正则的优化问题159

7.6 工程中常用的优化算法165

小试牛刀16:Python编程求解凸优化问题170

专家点拨179

NO1.对于工程应用来说如何学习凸优化?179

NO2.为什么拉格朗日对偶函数一定是凹函数?179

本章小结180

第8章 图论181

8.1 图论基础182

8.2 有向图和无向图184

小试牛刀17:Python编程绘制有向图和无向图186

8.3 拓扑排序192

8.4 短路径193

小试牛刀18:Python编程解决短路径问题196

8.5 小生成树205

小试牛刀19:Python编程解决小生成树问题208

专家点拨215

NO1.图论的作用是什么?215

NO2.怎么去学习图论呢?215

本章小结215

第9章 微积分的应用案例216

9.1 案例01:家禽出售的时机217

9.2 案例02:允许缺货模型219

本章小结222

第10章 线性代数的应用案例223

10.1 案例03:投入产出问题224

10.2 案例04:金融公司支付基金的流动问题225

本章小结228

第11章 概率统计的应用案例229

11.1 案例05:贝叶斯网络实现交通事故预测230

11.2 案例06:HMM实现天气预测235

本章小结237

第12章 综合应用案例238

12.1 案例07:工业异常参数的离群点检测239

12.2 案例08:工厂发电量预测246

本章小结253

参考文献254
点击展开 点击收起

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP