新書推薦：
《
经纬度丛书·帝国为什么衰落：罗马、美国与西方的未来
》
售價：NT$
406.0
《
投资小白的财务自由之路
》
售價：NT$
359.0
《
巫蛊乱长安：汉武帝晚年的夺嫡暗战
》
售價：NT$
354.0
《
茶经译注
》
售價：NT$
510.0
《
天机长安
》
售價：NT$
291.0
《
一只去找菩提的猫
》
售價：NT$
494.0
《
我们好好聊聊
》
售價：NT$
484.0
《
孤星之旅：苏东坡传
》
售價：NT$
704.0
|
| 內容簡介： |
|
机器学习是人工智能的一个方向。它是一门多领域交叉学科，涉及概率论、统计学、矩阵论、神经网络、计算机等多门学科。其目标是使用计算机模拟或实现人类学习活动，从现有大量的数据中学习，利用经验不断改善系统性能。机器学习步骤一般分为获取数据、数据预处理、建立模型、模型评估和预测。本书共6章。第1章节主要介绍机器学习的基本概念及其发展史、机器学习分类、常见机器学习算法及其特点；第2章搭建机器学习开发环境，主要包括anaconda\\pycharm\\python软件的安装及使用，以及常见机器学习库的介绍和安装使用方法；第3章介绍了监督学习的4个经典算法：线性回归、决策树、k近邻和支持向量机算法，其重点在算法的应用；第4章介绍了主成分分析降维算法、Kmeans聚类算法；第5章介绍人工神经网络基础，并通过房价预测和手写数字识别实例进行验证；第6章介绍强化学习的基本概念，有模型学习和无模型学习，最后介绍了Q-Learning算法和Sarsa算法。本书由人工智能技术专业教师和英特尔FPGA中国创新中心的工程师们合力编写，讲解了大量的具体程序案例，涵盖大部分机器学习算法，教师和学生可以根据应用需求，选择对应的知识点和算法。本书所有程序均已经在英特尔FPGA中国创新中心AILab实训平台上验证实现。本书可作为高职高专院校电子信息类相关专业教材，也可作为科技人员的参考用书。
|
| 關於作者： |
|
徐宏英，女，工学硕士，重庆电子工程职业学院骨干教师，参研国家自然科学基金一项，参研省级重点科技攻关项目一项，主持省级教改课题一项，参研省部级项目8项，第一主编出版教材1部，发表论文10余篇，申请专利8项，指导学生参加全国大学生电子设计大赛获全国二等奖1项，指导学生参加职业技能竞赛获全国二等奖1项，省部级电子设计大赛、职业技能大赛10余项。
|
| 目錄：
|
|
第1章 机器学习介绍0011.1 机器学习简介0021.1.1 机器学习的基本概念0031.1.2 机器学习的发展历史0051.2 机器学习的分类及典型算法0101.2.1 机器学习的分类0101.2.2 监督学习0111.2.3 非监督学习0141.2.4 半监督学习0151.2.5 强化学习018本章小结019习题020第2章 基于Python语言的机器学习环境搭建与配置0232.1 机器学习相关软件介绍0242.1.1 机器学习开发语言0242.1.2 机器学习开发工具0282.2 机器学习开发环境搭建0362.2.1 Python的安装及使用0362.2.2 Anaconda的安装及使用0412.2.3 PyCharm的安装及使用0522.3 常见机器学习库函数功能介绍0592.3.1 基础科学计算库（NumPy）0592.3.2 科学计算工具集（Scipy）0682.3.3 数据分析库（Pandas）0742.3.4 图形绘制库（Matplotlib）0792.3.5 机器学习常用算法库（Scikit-learn）080本章小结083习题084第3章 监督学习0873.1 线性回归算法0883.1.1 常用损失函数0893.1.2 最小二乘法0913.1.3 梯度下降法0923.1.4 线性回归算法实例0943.2 决策树算法0983.2.1 分类准则0993.2.2 ID3算法1023.2.3 C4.5算法1083.2.4 CART算法1113.2.5 决策树算法实例1133.3 k近邻算法1163.3.1 k值的选取及特征归一化1173.3.2 kd树1203.3.3 k近邻算法实例1283.4 支持向量机算法1333.4.1 线性可分性1333.4.2 对偶问题1363.4.3 核函数1393.4.4 软间隔1423.4.5 支持向量机算法实例144本章小结146习题146第4章 非监督学习1494.1 非监督学习概述1504.1.1 非监督学习的基本概念1504.1.2 非监督学习的分类1514.1.3 非监督学习的特点1524.1.4 非监督学习的应用1534.2 主成分分析降维算法1544.2.1 数据降维介绍1544.2.2 PCA算法介绍1554.2.3 PCA算法求解步骤1594.2.4 PCA算法实例1614.3 K-means聚类算法1634.3.1 聚类算法简介1634.3.2 K-means算法介绍1644.3.3 K-means算法求解步骤1654.3.4 K-means算法实例170本章小结172习题173第5章 人工神经网络1755.1 人工神经网络概述1765.1.1 人工神经网络的发展历程1765.1.2 人工神经网络基础1805.1.3 人工神经网络模型1885.1.4 人工神经网络的应用1915.2 房价预测实例1935.2.1 房价预测模型构建1935.2.2 房价预测网络构建1985.3 手写数字识别实例1995.3.1 手写数字识别简介1995.3.2 手写数字识别网络构建201本章小结203习题203第6章 强化学习2056.1 强化学习概述2066.1.1 强化学习的基本概念2066.1.2 强化学习的发展历史2086.1.3 强化学习的分类2106.1.4 强化学习的特点及应用2116.2 强化学习基础2126.2.1 马尔可夫决策过程2126.2.2 贪心算法2136.3 有模型学习和无模型学习2146.3.1 有模型学习2146.3.2 无模型学习2166.4 强化学习实例2166.4.1 Q-Learning算法2166.4.2 Sarsa算法232本章小结242习题243
|
|
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
