新書推薦：
《
自我囚禁的人：完美主义的心理成因与自我松绑（破除你对完美主义的迷思，尝试打破自我评价过低与焦虑的恶性循环）
》
售價：NT$
301.0
《
周易
》
售價：NT$
203.0
《
东南亚的传统与发展
》
售價：NT$
306.0
《
乾隆制造
》
售價：NT$
398.0
《
资治通鉴臣光曰辑存 资治通鉴目录（司马光全集）（全二册）
》
售價：NT$
1316.0
《
明代社会变迁时期生活质量研究
》
售價：NT$
1367.0
《
律令国家与隋唐文明
》
售價：NT$
332.0
《
紫云村（史杰鹏笔下大唐小吏的生死逃亡，新历史主义小说见微之作，附赠5张与小说内容高度契合的宣纸彩插）
》
售價：NT$
449.0
|
| 編輯推薦： |
|
本书覆盖机器学习概述、数据预处理、K近邻算法、回归算法、决策树、K-means聚类算法、随机森林、贝叶斯算法、支持向量机、神经网络、人脸识别入门实践等内容，从*简单的常识出发来切入AI领域，打造无缝平滑的学习体验。
|
| 內容簡介： |
|
机器学习包括有监督学习、无监督学习和半监督学习，而具体的问题又大致可以分两类：分类问题和回归问题。本书分为8章，使用Python第三方工具库深入讲解机器学习极大重要算法的实现，内容包括机器学习概述、贝叶斯分类、决策树、集成学习、支持向量机、神经网络、卷积神经网络、卷积神经网络分割图片实战。
|
| 關於作者： |
|
宋立桓，IT资深技术专家、布道师，主要负责为企业客户提供顾问咨询、培训和方案设计服务。目前是腾讯云架构师，专注于云计算 、大数据和人工智能，对区块链的相关技术也有深入的研究。著有图书《Cloudera Hadoop大数据平台实战指南》《MySQL性能优化和高可用架构实践》。
|
| 目錄：
|
第1章 机器学习概述 1
1.1 什么是机器学习 1
1.2 机器学习的流程 3
1.2.1 数据收集 3
1.2.2 数据预处理 3
1.2.3 特征工程 4
1.2.4 模型构建和训练 4
1.3 机器学习该如何学 5
1.3.1 AI时代首选Python 5
1.3.2 PyCharm可视化编辑器和Anaconda大礼包 7
1.3.3 掌握算法原理与掌握机器学习软件库同等重要 13
1.3.4 机器学习与深度学习的区别 13
1.4 机器学习分类 15
1.4.1 监督学习 15
1.4.2 无监督学习 16
1.4.3 强化学习 16
1.5 过拟合和欠拟合 17
1.5.1 过拟合 18
1.5.2 欠拟合 18
1.6 衡量机器学习模型的指标 19
1.6.1 正确率、精确率和召回率 19
1.6.2 F1 score和ROC曲线 21
第2章 机器学习中的数据预处理 24
2.1 数据预处理的重要性和原则 24
2.2 数据预处理方法介绍 25
2.2.1 数据预处理案例标准化、归一化、二值化 25
2.2.2 数据预处理案例缺失值补全、标签化 26
2.2.3 数据预处理案例独热编码 28
2.2.4 通过数据预处理提高模型准确率 29
2.3 数据降维 31
2.3.1 什么叫数据降维 31
2.3.2 PCA主成分分析原理 31
2.3.3 PCA主成分分析实战案例 33
第3章 k最近邻算法 36
3.1 k最近邻算法的原理 36
3.2 k最近邻算法过程详解 37
3.3 kNN算法的注意事项 39
3.3.1 k近邻的k值该如何选取 39
3.3.2 距离的度量 39
3.3.3 特征归一化的必要性 41
3.4 k最近邻算法案例分享 42
3.4.1 电影分类kNN算法实战 42
3.4.2 使用scikit-learn机器学习库内置的kNN算法实现水果识别器 44
3.5 kNN算法优缺点 47
第4章 回归算法 49
4.1 线性回归 49
4.1.1 什么是线性回归 49
4.1.2 最小二乘法 51
4.1.3 梯度下降法 52
4.2 线性回归案例实战 57
4.2.1 房价预测线性回归模型案例一 57
4.2.2 房价预测线性回归模型案例二 60
4.3 逻辑回归 62
4.3.1 逻辑回归概念和原理 62
4.3.2 逻辑回归案例实战 64
4.4 回归算法总结和优缺点 65
第5章 决策树 66
5.1 决策树概念 66
5.2 信息熵 68
5.3 信息增益与信息增益比 69
5.4 基尼系数 70
5.5 过拟合与剪枝 70
5.6 决策树算法案例实战预测患者佩戴隐形眼镜类型 71
5.7 决策树算法实战案例电影喜好预测 73
5.8 总结 77
第6章 K-means聚类算法 78
6.1 何为聚类 78
6.2 K-means算法思想和原理 79
6.3 K-means算法涉及的参数和优缺点 82
6.3.1 K-means涉及参数 82
6.3.2 K-means优缺点 84
6.4 K-means应用场景 84
6.5 K-means聚类算法实现鸢尾花数据的聚类 85
6.6 K-means算法实现客户价值分析 87
6.7 K-means算法实现对亚洲足球队做聚类 90
第7章 随机森林 92
7.1 随机森林概述 92
7.1.1 什么是随机森林 92
7.1.2 随机森林的优缺点 93
7.2 随机森林实战红酒数据集案例 94
7.3 随机森林算法实战泰坦尼克号生存预测 97
第8章 朴素贝叶斯算法 101
8.1 朴素贝叶斯算法概念和原理 101
8.2 贝叶斯算法实战案例曲奇饼 105
8.3 贝叶斯算法案例实战单词拼写纠错 106
8.4 贝叶斯算法案例实战识别中文垃圾邮件 109
8.5 贝叶斯算法案例实战鸢尾花分类预测 112
第9章 支持向量机SVM 116
9.1 支持向量机概述 116
9.2 工作原理 119
9.2.1 线性分类 119
9.2.2 线性不可分 120
9.2.3 核函数 122
9.3 SVM的核函数选择和参数的调整 122
9.4 SVM算法案例实战波士顿房价分析 124
9.5 SVM算法案例实战鸢尾花分类 126
9.6 SVM算法优缺点 128
第10章 神经网络 130
10.1 神经网络概念 130
10.1.1 神经元 130
10.1.2 激活函数 132
10.1.3 神经网络 133
10.2 卷积神经网络（CNN） 135
10.2.1 计算机识别图像的过程 135
10.2.2 卷积神经网络详解 136
10.3 用Python实现自己的神经网络案例 138
10.4 多层神经网络基于sklearn的实现案例 141
10.5 使用Keras框架实现神经网络案例 145
10.5.1 Keras深度学习框架简介和安装 145
10.5.2 Keras实现多层感知器模型MLP 146
10.5.3 Keras实现卷积神经网络CNN 149
第11章 人脸识别入门实践 151
11.1 人脸识别简介 151
11.1.1 什么是人脸识别 151
11.1.2 人脸识别过程步骤 153
11.2 人脸检测和关键点定位实战 156
11.3 人脸表情分析情绪识别实战 160
11.4 我能认识你人脸识别实战 161
|
| 內容試閱：
|
人工智能、深度学习和机器学习，不论你现在是否能够理解这些概念，你都应该学习。否则三年内，你就会像灭绝的恐龙一样被社会淘汰马克库班（NBA小牛队老板，亿万富翁）。
马克库班的这番话可能听起来挺吓人的，但道理是没毛病的！我们正经历一场大革命，这场革命就是由大数据和强大电脑计算能力发起的。随着科技的快速发展，作为人工智能的核心技术，机器学习也变得越来越火。然而，普通的程序员想要转行机器学习却困难重重。回想起来，笔者在刚开始学习机器学习时，一上来就被一大堆数学公式和推导过程所折磨，这样的情景还历历在目。那时候笔者也觉得机器学习是个门槛非常高的学科。但实际上，在人工智能的大部分从业人员里，究竟有多少人需要从头去实现一个算法？又有多少人有机会去发明一个新算法？从一开始就被细节和难点缠住，学机器学习前先学三年的线性代数、微积分，这严重打击了新人想进入机器学习领域的热情和信心！
对一个正常的普通IT程序员而言，可能需要花3年左右的时间才能学习完人工智能所需要的全部的数学基础，你能够在国内心无旁骛（辞掉工作？抛家离子？）掌握完这些数学基础？机器学习以其背后复杂的数学原理及异常复杂的算法推导和证明过程而吓退了一大批初学者，本书就是要解决这个问题，遵循极简入门的理念。霍金说过每多一个数学公式，就会少一半的读者，因此这里也会尽量少用公式，要用也只用简单易懂的公式。笔者在书中通过通俗易懂的语言去描述算法的工作原理，帮助读者直观地理解每个算法的核心思想，有效地降低了学习的门槛。个人觉得机器学习中的很多公式是可以感性地去认识的，能完全明白推导过程自然最好，但在不求甚解的状态下能达到感性的认知也未必不是一个快速入门机器学习的好方法。另外，本书通过使用scikit-learn机器学习工具包来演示算法的使用，以及算法所能解决的实际案例问题，这种站在巨人肩膀上、循序渐进的讲授方式，完全遵循小白对机器学习算法的认知规律。算法的唯一学习正道是在案例中体会数据处理的每一个步骤并基于该过程进行算法总结，这也是本书通过大量案例的实操，让广大机器学习爱好者从具体案例中体悟算法运行背后的原理和真相。
上面的说法并不是要否认数学和算法实现的重要性，毕竟它们是人工智能领域的基础学科方向。万事开头难，只有打开了一扇门，才能发现一个全新的世界，这本书目的就是帮助新人打开机器学习的这扇门。
阅读本书的读者，只需学过Python语言基础知识，只要你想改变自己的现状，那么这本书就非常适合你。本书就是给那些非科班出身而想半路杀进人工智能（AI）领域的程序员们，提供极简入门的参考指南。书中用到的所有数学内容都会从问题的视角出发，所有内容都会遵循人类最直觉的学习方式循序渐进地进行讲授，以完全可视化的学习方式，给读者提供全部真实案例的源代码和数据，以便于读者动手实践。本书中的所有截图都是实验操作的真实结果。
源码下载
本书的案例代码及资源文件，可扫描右边二维码下载。若阅读过程中发现问题，可以通过下载资源中的电子邮箱与作者交互。
致谢
感谢我的妻子和女儿，让这么美好的两个人走进我的世界！
感谢我的父母，从未让你们骄傲，你们却待我如宝！
感谢我的朋友和同事，他们让我学会知识的增值和变现！
感谢清华大学出版社和夏毓彦编辑帮助我出版了这本有意义的著作。
作为学术界的AI女神斯坦福教授李飞飞的人生逆袭，励志故事深深感染了我。我谨以此书，献给那些为人工智能的发展而铺路的人，让更多的人享受到人工智能时代到来的红利。
宋立桓
腾讯云架构师
云计算、大数据、人工智能咨询顾问
2020年5月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
