目录 前言第1章无处不在的算法1.1人工智能发展的历史1.2人工智能算法的分类与流派第2章常见的数据特征处理2.1常见的数据预处理和特征选择方法2.1.1常见的数据预处理2.1.2常见的特征选择方法2.2主成分分析2.2.1PCA算法步骤和特征分解理论2.2.2PCA规约MNIST数据集2.3高新技术企业行业技术周期数据的可视化和相关性分析2.3.1特征的系统性描述2.3.2特征的深入观察第3章常见的回归模型3.1线性回归模型3.1.1普通小二乘法的原理3.1.2广告投入产出分析案例3.2逻辑斯谛回归3.2.1逻辑斯谛回归的原理3.2.2乳腺癌恶性、良性肿瘤分类预测 3.3正则化方法3.3.1普通小二乘法与岭回归3.3.2核岭回归3.3.3核岭回归、岭回归和LASSO的区别与联系3.3.4常用核函数3.3.5社区和犯罪数据集的分析第4章基于实例的算法4.1K-Means算法4.1.1K-Means的算法原理4.1.2基于K-Means聚类分析的肥胖原因探索4.2KNN算法4.2.1KNN的算法原理4.2.2手机流量套餐的KNN聚类研究第5章树方法5.1决策树5.1.1决策树的原理5.1.2泰坦尼克号的末日求生5.2随机森林5.2.1随机森林的原理5.2.2泰坦尼克号的生存分析5.3XGBoost5.3.1XGBoost的算法原理5.3.2沪深300指数的波动率预测第6章神经网络6.1多层感知器6.1.1线性可分的二分类案例6.1.2线性不可分的案例6.2深度神经网络6.2.1基于Ames House Price数据的XGBoost模型案例6.2.2基于Ames House Price数据的深度神经网络案例6.3卷积神经网络6.3.1随机森林识别mnist数据集6.3.2卷积神经网络识别mnist数据集6.3.3卷积神经网络识别带有噪声的mnist数据集6.4循环神经网络6.4.1时间序列的可视化与特征分析6.4.2GRU网络结构设计6.4.3模型训练与预测第7章自然语言处理7.1常用的文本处理技巧7.1.1文本数据展示和基本性质观察7.1.2多个语料库的深入分析7.2文本分析和挖掘7.2.1Women's Clothing E-Commerce Reviews数据集的分析与观察7.2.2基于词向量模型的分类预测7.2.3基于词汇的情感分析7.3主题建模7.3.1潜在语义分析7.3.2sklearn库的LDA模型7.3.3gensim库的LDA模型7.4新闻的内容分析与LDA主题模型的相关性分析7.4.1基于内容分析法分析新闻数据7.4.2新闻数据的LDA模型分析第8章社会网络8.1社会网络的介绍和统计8.1.1社会网络的基础概念及可视化8.1.2社会网络的多种统计指标8.2社交网络的数据分析8.2.1某在线社交网络分析8.2.2贵格会的社交网络分析第9章遗传算法9.1遗传算法与旅行商问题9.1.1旅行商问题在遗传算法中的定义9.1.2遗传算法的选择、交叉和变异9.2遗传算法与波士顿房价预测9.2.1利用经典回归模型预测波士顿房价9.2.2利用遗传算法进行特征选择9.3Geatpy库的应用实例9.3.1啤酒混合策略9.3.2房间布局优化问题第10章推荐算法10.1电影数据集的协同过滤推荐10.1.1电影数据集的介绍和可视化10.1.2基于电影评分数据的协同过滤推荐算法10.1.3基于内容数据的协同过滤推荐算法10.2基于巡航数据的模糊控制系统10.2.1智能巡航控制系统10.2.2小费决策的模糊控制系统
以下为对购买帮助不大的评价