新書推薦：
《
文化模式
》
售價：NT$
449.0
《
TensorFlow自然语言处理及应用
》
售價：NT$
352.0
《
信托法（第五版）
》
售價：NT$
857.0
《
敦煌究竟有多美
》
售價：NT$
454.0
《
我在唐朝穿什么（图解中国传统服饰 服饰搭配 汉服研究 古代服饰）
》
售價：NT$
449.0
《
优化你的2小时 ： 基于神经科学和能量流的时间管理方法
》
售價：NT$
255.0
《
经典与经学
》
售價：NT$
398.0
《
颧种植理论与临床
》
售價：NT$
2030.0
|
| 編輯推薦： |
涉及算法的原理与思想、推导与证明、实现与应用。
章节依照算法类别及算法间逻辑关系进行编排。
对算法的编码实现进行讲解，每章附有思维导图。
配套提供电子课件、微课视频、习题答案、教学大纲、代码。
|
| 內容簡介： |
本书内容涵盖了监督学习、无监督学习和半监督学习的代表性算法，对算法的原理与思想、推导与证明、实现与应用中涉及的知识点进行了清晰透彻的阐述。全书由12章组成，主要内容包括机器学习概述、机器学习基本理论、K-近邻、贝叶斯、线性模型、支持向量机、决策树、集成学习、聚类算法、数据降维、半监督学习、神经网络等知识。章节依照算法类别及算法间逻辑关系进行编排，内容结构上条理清晰、由浅入深，并完整地对算法的编码实现进行了讲解，从编程角度展示算法细节，使读者可以更加深入透彻地理解算法原理、加深对算法的记忆，并能够针对自身需求对算法进行修改和扩展。为帮助读者充分了解和掌握每一章节基础理论知识，每章附有思维导图及习题。
本书适合作为高等院校数据科学与大数据技术、人工智能和计算机类专业的机器学习相关课程教材，也可供从事机器学习和数据挖掘相关研究及应用的工程技术人员和科研工作者参考。
|
| 關於作者： |
|
郭羽含，男，汉族，副教授，硕士生导师，浙江科技大学理学院数据科学系主任。哈尔滨工业大学计算机科学与技术专业学士，哈尔滨工业大学软件工程专业硕士，法国波尔多大学工业工程硕士，法国里尔大学计算机与自动化专业博士，法国ARRAS信息与自动化研究院博士后。主持及参与国家和省级科研项目9项、横向项目10余项；以第一作者于国内外重要期刊和会议发表论文40余篇（其中SCI一区、二区、Top期刊20余篇）；以第一发明人申请国家发明专利20余项；获省教学成果奖、市自然学术成果奖等多项科研和教学奖励，指导学生于国家级和省级竞赛获奖80余人次。
|
| 目錄：
|
前言
第1章机器学习概述
11人工智能与机器学习
12机器学习的概念
121机器学习的定义
122机器学习发展史
123机器学习分类
13机器学习工具
131Python语言
132第三方工具库
133编译环境
134库的下载与安装
14机器学习示例
141自动驾驶
142机器翻译
143游戏中的人工智能
15本章小结
16延伸阅读——大数据背景下的机器学习算法
17习题
第2章机器学习基本理论
21机器学习术语
211基本概念
212过拟合与欠拟合
213模型评估
22实验估计方法
221留出法
222交叉验证法
223自助法
23性能度量
231错误率与精度
232查准率、查全率与F1
233ROC与AUC
24比较检验
241假设检验
242交叉验证
25参数调优
251网格搜索
252随机搜索
253贝叶斯优化算法
26本章小结
27延伸阅读——机器学习应用于我国海外投资效率预警
28习题
第3章K-近邻
31算法原理
32距离度量方法
33搜索优化方法
331k-d树
332球树
34算法实现
35本章小结
36延伸阅读——机器学习在国产芯片上的应用
37习题
第4章贝叶斯
41贝叶斯方法概述
411贝叶斯公式
412贝叶斯决策理论
413极大似然估计
42朴素贝叶斯算法
421高斯朴素贝叶斯算法
422多项式朴素贝叶斯算法
423伯努利朴素贝叶斯算法
43半朴素贝叶斯算法
44贝叶斯网络算法
441贝叶斯网络结构
442贝叶斯网络学习算法
443贝叶斯网络推断
45EM算法
46本章小结
47延伸阅读——机器学习在智能驾驶上的应用
48习题
第5章线性模型
51线性回归
511简单线性回归
512多变量线性回归
513梯度下降法
514多项式回归
52逻辑回归
521二分类逻辑回归
522多分类逻辑回归
53模型正则化
54本章小结
55延伸阅读——云计算与机器学习
56习题
第6章支持向量机
61算法概述
62线性可分支持向量机及其对偶算法
63线性支持向量机
64非线性支持向量机
65支持向量机回归
651线性支持向量机回归
652非线性支持向量机
|
| 內容試閱：
|
本书主要介绍了机器学习算法内容及其代表性算法，全书共12章，具体内容安排如下。
第1章：机器学习概述。主要包括机器学习的概念、机器学习工具和机器学习示例等内容。
第2章：机器学习基本理论。主要包括机器学习术语、实验估计方法、算法性能度量、比较检验方法和参数调优方法等内容。
第3章：K-近邻。主要包括算法原理、距离度量方法、搜索优化方法和算法实现等内容。
第4章：贝叶斯。主要包括贝叶斯算法概述、朴素贝叶斯算法、半朴素贝叶斯算法、贝叶斯网络算法和EM算法等内容。
第5章：线性模型。主要包括线性回归、逻辑回归和模型正则化等内容。
第6章：支持向量机。主要包括算法概述、线性可分支持向量机及其对偶算法、线性支持向量机、非线性支持向量机、SMO算法等内容。
第7章：决策树。主要包括决策树概述、ID3算法、C45算法、分类与回归树和剪枝策略等内容。
第8章：集成学习。主要包括集成学习概述、投票法、装袋法和提升法等内容。
第9章：聚类算法。主要包括聚类概述、原型聚类、密度聚类、层次聚类等内容。
第10章：数据降维。主要包括数据降维概述、主成分分析、线性判别分析等内容。
第11章：半监督学习。主要包括未标记样本、半监督学习方法和半监督聚类等内容。
第12章：神经网络。主要包括人工神经网络概述、感知机、多层前馈神经网络和其他神经网络等内容。
本书提供完整的课程视频（见网盘），可扫描书中二维码浏览部分视频。
本书由浙江科技大学理学院/大数据学院从事多年机器学习课程教学工作的一线教师郭羽含、张露方、袁园、云本胜、钱亚冠、潘俊、卢方、王伟、陈晓霞、郭艳茹编写，全书由郭羽含负责统稿。
本书在编写过程中得到了浙江科技大学的大力支持与帮助。在本书出版之际表示衷心的感谢。同时感谢李文华、马婉晴、王泽莹等同学为本书的编写、校对提供的辅助。
由于编者水平有限，书中难免有不妥和疏漏之处，恳请读者赐教指正。
|
|
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
