2022年，智博士的好朋友AI俠突然毫無預(yù)兆地失蹤了，嘗試了各種方式都聯(lián)系不上，直到有一天，他收到一個(gè)快遞，里面是一封信和一個(gè)按鈕，好奇的智博士按下按鈕，一陣茉莉花的香味襲來，他暈了過去……
電子書
編輯推薦
機(jī)器學(xué)習(xí)原理與實(shí)例代碼，包括決策樹、神經(jīng)網(wǎng)絡(luò)等11章。
內(nèi)容簡介
本書詳細(xì)地介紹了機(jī)器學(xué)習(xí)的基本原理，并采用“原理簡述 問題實(shí)例 實(shí)際代碼 運(yùn)行結(jié)果”的模式介紹常用算法。全書共11章，主要包括決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維等內(nèi)容。
章節(jié)目錄
- 扉頁
- 版權(quán)頁
- 內(nèi)容提要
- 前言
- 第1章 導(dǎo)論
- 1.1 引言
- 1.2 基本術(shù)語
- 1.3 概念學(xué)習(xí)與假設(shè)空間
- 1.4 歸納偏好
- 1.5 經(jīng)驗(yàn)誤差與過擬合
- 1.6 模型評估與選擇
- 1.7 性能度量
- 1.8 發(fā)展歷程
- 1.9 應(yīng)用現(xiàn)狀
- 習(xí)題1
- 第2章 Python初步
- 2.1 Python概述
- 2.2 NumPy庫介紹
- 2.2.1 ndarray對象
- 2.2.2 ufunc函數(shù)
- 2.2.3 常用函數(shù)庫
- 2.3 Matplotlib庫介紹
- 2.3.1 快速繪制二維圖表
- 2.3.2 Artist對象
- 2.3.3 配置屬性
- 2.3.4 繪制三維圖表
- 2.4 SciPy庫函數(shù)
- 2.4.1 線性代數(shù)模塊
- 2.4.2 優(yōu)化和擬合模塊
- 2.4.3 統(tǒng)計(jì)模塊
- 2.4.4 稀疏矩陣模塊
- 2.5 scikit-learn庫函數(shù)
- 2.5.1 sklearn.datasets
- 2.5.2 模型選擇與評價(jià)
- 2.5.3 scikit-learn的機(jī)器學(xué)習(xí)
- 習(xí)題2
- 第3章 決策樹
- 3.1 引言
- 3.1.1 決策樹的基本思想
- 3.1.2 決策樹的構(gòu)造
- 3.1.3 決策樹的算法框架
- 3.1.4 信息增益
- 3.2 ID3決策樹
- 3.2.1 ID3算法
- 3.2.2 ID3的實(shí)現(xiàn)
- 3.3 C4.5決策樹
- 3.3.1 C4.5算法
- 3.3.2 C4.5的實(shí)現(xiàn)
- 3.4 sklearn與回歸樹
- 3.4.1 回歸算法原理
- 3.4.2 最小剩余方差法
- 3.4.3 剪枝策略
- 3.4.4 sklearn實(shí)現(xiàn)
- 習(xí)題3
- 第4章 神經(jīng)網(wǎng)絡(luò)
- 4.1 引言
- 4.1.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程
- 4.1.2 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)
- 4.1.3 人工神經(jīng)網(wǎng)絡(luò)的分類
- 4.2 神經(jīng)元模型
- 4.3 感知機(jī)與多層神經(jīng)網(wǎng)絡(luò)
- 4.3.1 感知機(jī)
- 4.3.2 梯度下降法
- 4.3.3 隨機(jī)梯度下降法
- 4.3.4 多層神經(jīng)網(wǎng)絡(luò)
- 4.4 誤差反向傳播算法
- 4.4.1 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法
- 4.4.2 BP神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)
- 4.5 玻耳茲曼機(jī)
- 4.5.1 BM的拓?fù)浣Y(jié)構(gòu)
- 4.5.2 BM的學(xué)習(xí)過程
- 4.6 綜合案例
- 習(xí)題4
- 第5章 支持向量機(jī)
- 5.1 引言
- 5.2 線性分類
- 5.2.1 函數(shù)間隔與幾何間隔
- 5.2.2 對偶問題
- 5.3 線性支持向量機(jī)
- 5.4 非線性支持向量機(jī)
- 5.4.1 核技巧
- 5.4.2 sklearn SVC
- 5.5 序列最小優(yōu)化算法
- 5.6 綜合案例
- 習(xí)題5
- 第6章 貝葉斯分類器
- 6.1 引言
- 6.2 樸素貝葉斯分類
- 6.2.1 樸素貝葉斯算法
- 6.2.2 樸素貝葉斯分類算法
- 6.2.3 樸素貝葉斯分類算法的Python實(shí)現(xiàn)
- 6.2.4 sklearn的樸素貝葉斯方法
- 6.3 極大似然估計(jì)
- 6.3.1 EM算法
- 6.3.2 EM算法步驟
- 6.3.3 三硬幣的EM求解
- 6.3.4 sklearn的EM方法
- 6.4 貝葉斯網(wǎng)絡(luò)
- 6.4.1 貝葉斯網(wǎng)絡(luò)的構(gòu)造和學(xué)習(xí)
- 6.4.2 貝葉斯網(wǎng)絡(luò)應(yīng)用舉例
- 習(xí)題6
- 第7章 集成學(xué)習(xí)
- 7.1 引言
- 7.2 Voting
- 7.3 Bagging
- 7.4 Boosting
- 7.4.1 AdaBoost法
- 7.4.2 Gradient Boosting
- 7.5 綜合案例
- 習(xí)題7
- 第8章 聚類
- 8.1 引言
- 8.1.1 聚類的概念
- 8.1.2 典型應(yīng)用
- 8.1.3 常見算法分類
- 8.1.4 聚類算法中存在的問題
- 8.2 距離計(jì)算
- 8.2.1 閔可夫斯基距離
- 8.2.2 歐幾里得距離
- 8.2.3 曼哈頓距離
- 8.2.4 切比雪夫距離
- 8.2.5 皮爾遜相關(guān)系數(shù)
- 8.2.6 余弦相似度
- 8.2.7 杰卡德相似系數(shù)
- 8.3 k-means聚類
- 8.3.1 算法思想
- 8.3.2 輔助函數(shù)
- 8.3.3 編程實(shí)現(xiàn)k-means算法
- 8.3.4 scikit-learn中的k-means方法
- 8.3.5 算法評價(jià)
- 8.3.6 算法改進(jìn)k-means++
- 8.4 密度聚類
- 8.4.1 密度聚類算法思想
- 8.4.2 DBSCAN算法
- 8.4.3 密度峰值聚類
- 8.5 層次聚類
- 8.5.1 層次聚類思想
- 8.5.2 層次聚類實(shí)現(xiàn)
- 8.6 綜合實(shí)例
- 8.6.1 聚類算法性能比較
- 8.6.2 算法總結(jié)
- 習(xí)題8
- 第9章 降維
- 9.1 引言
- 9.1.1 降維的概念
- 9.1.2 常見算法分類
- 9.2 k-近鄰學(xué)習(xí)
- 9.2.1 算法實(shí)現(xiàn)
- 9.2.2 算法實(shí)例
- 9.2.3 算法關(guān)鍵
- 9.3 主成分分析
- 9.3.1 算法思想
- 9.3.2 算法實(shí)例
- 9.4 低維嵌入
- 9.4.1 算法原理
- 9.4.2 算法實(shí)例
- 9.4.3 算法評價(jià)
- 9.5 奇異值分解
- 9.5.1 SVD算法原理
- 9.5.2 SVD算法及應(yīng)用示例
- 9.6 綜合實(shí)例
- 9.6.1 PCA實(shí)例
- 9.6.2 SVD實(shí)例
- 習(xí)題9
- 第10章 概率圖模型
- 10.1 引言
- 10.2 馬爾科夫過程
- 10.2.1 基本概念
- 10.2.2 隱馬爾科夫模型
- 10.3 Viterbi算法
- 10.4 綜合案例
- 習(xí)題10
- 第11章 深度學(xué)習(xí)初步
- 11.1 引言
- 11.2 表示問題
- 11.3 學(xué)習(xí)問題
- 11.4 優(yōu)化問題
- 11.5 認(rèn)知問題
- 11.6 基本模型
- 11.6.1 自編碼器
- 11.6.2 受限玻耳茲曼機(jī)
- 11.6.3 卷積神經(jīng)網(wǎng)絡(luò)
- 11.7 TensorFlow的簡介與安裝
- 11.7.1 Python 3環(huán)境
- 11.7.2 安裝TensorFlow
- 11.7.3 驗(yàn)證
- 11.8 TensorFlow的基本使用
- 11.9 基于卷積神經(jīng)網(wǎng)絡(luò)的MNIST手寫體識(shí)別實(shí)驗(yàn)
- 11.9.1 conv2d函數(shù)
- 11.9.2 max_pool函數(shù)
- 11.9.3 示例程序
- 習(xí)題11
- 參考文獻(xiàn)
展開全部
機(jī)器學(xué)習(xí)及應(yīng)用（在線實(shí)驗(yàn)+在線自測）是2019年由人民郵電出版社出版,作者李克清。
溫馨提示：
1.本電子書已獲得正版授權(quán)，由出版社通過知傳鏈發(fā)行。
2.該電子書為虛擬物品，付費(fèi)之后概不接收任何理由退款。電子書內(nèi)容僅支持在線閱讀，不支持下載。
3.您在本站購買的閱讀使用權(quán)僅限于您本人閱讀使用，您不得/不能給任何第三方使用，由此造成的一切相關(guān)后果本平臺(tái)保留向您追償索賠的權(quán)利！版權(quán)所有，后果自負(fù)！
得書感謝您對《機(jī)器學(xué)習(xí)及應(yīng)用（在線實(shí)驗(yàn)+在線自測）》關(guān)注和支持，如本書內(nèi)容有不良信息或侵權(quán)等情形的，請聯(lián)系本網(wǎng)站。
電子書
電子書
數(shù)學(xué)基礎(chǔ)：從歷年數(shù)學(xué)建模競賽入手，解讀人工智能中的數(shù)學(xué)方法。
編程實(shí)踐：100余個(gè)代碼實(shí)例，全面講解網(wǎng)絡(luò)爬蟲、數(shù)據(jù)存儲(chǔ)與數(shù)據(jù)分析等內(nèi)容。
算法應(yīng)用：實(shí)戰(zhàn)案例輔以豐富圖解，詳盡分析人工智能算法特性及其應(yīng)用場景。
電子書
電子書
基于Python 3.X講解，從入門到實(shí)戰(zhàn)，全面講解Python爬蟲技術(shù)。全書重點(diǎn)難點(diǎn)附帶微課講解，書網(wǎng)融合互動(dòng)學(xué)習(xí)。
電子書
深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，它能夠使計(jì)算機(jī)通過層次概念來學(xué)習(xí)經(jīng)驗(yàn)和理解世界。
電子書
《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》面向日常任務(wù)的高效實(shí)戰(zhàn)內(nèi)容，介紹并實(shí)現(xiàn)機(jī)器學(xué)習(xí)的主流算法。
電子書
電子書
（1）大量圖例，簡單易懂。作者親自繪制了大量插圖，力求還原深度學(xué)習(xí)的算法思想，分解和剖析晦澀的算法，用圖例來表示復(fù)雜的問題。生動(dòng)的圖例也能給讀者帶來閱讀樂趣，快樂地學(xué)習(xí)算法知識(shí)，體會(huì)深度學(xué)習(xí)的算法本質(zhì)。
（2）簡化公式，生動(dòng)比喻。深度學(xué)習(xí)和機(jī)器學(xué)習(xí)類的書中通常會(huì)有大量復(fù)雜冗長的算法公式，為了避免出現(xiàn)讀者讀不懂的情況，本書盡可能地統(tǒng)一了公式和符號(hào)，簡化相關(guān)公式，并加以生動(dòng)的比喻進(jìn)行解析。在啟發(fā)讀者的同時(shí)，鍛煉讀者分析問題和解決問題的能力。
（3）算法原理，代碼實(shí)現(xiàn)。在介紹深度學(xué)習(xí)及相關(guān)算法的原理時(shí)，不僅給出了對應(yīng)的公式，還給出了實(shí)現(xiàn)和求解公式的代碼，讓讀者明確該算法的作用、輸入和輸出。原理與代碼相結(jié)合，使得讀者對深度學(xué)習(xí)的算法實(shí)現(xiàn)更加具有親切感。
（4）深入淺出，精心剖析。理解深度學(xué)習(xí)需要一定的機(jī)器學(xué)習(xí)知識(shí)，本書在D1章介紹了深度學(xué)習(xí)與機(jī)器學(xué)習(xí)的關(guān)系，并簡要介紹了機(jī)器學(xué)習(xí)的內(nèi)容。在內(nèi)容安排上，每章依次介紹模型框架的應(yīng)用場景、結(jié)構(gòu)和使用方式，最后通過真實(shí)的案例去全面分析該模型結(jié)構(gòu)。目的是讓讀者可以抓住深度學(xué)習(xí)的本質(zhì)。
（5）入門實(shí)踐，案例重現(xiàn)。每一章最后的真實(shí)案例不是直接堆砌代碼，而是講解使用該算法模型的原因和好處。從簡單的背景知識(shí)出發(fā)，使用前文講解過的深度學(xué)習(xí)知識(shí)實(shí)現(xiàn)一個(gè)實(shí)際的工程項(xiàng)目。實(shí)踐可以用于及時(shí)檢驗(yàn)讀者對所學(xué)知識(shí)的掌握程度，為讀者奠定深度學(xué)習(xí)的實(shí)踐基礎(chǔ)。
將一本技術(shù)書籍寫得通俗易懂談何容易，但《深度學(xué)習(xí)原理與實(shí)踐》這本書確實(shí)做到了。書中對近年來火熱的深度學(xué)習(xí)理論知識(shí)進(jìn)行簡單剖析，化繁為簡，沒有局限于坐而論道，而是將實(shí)例和數(shù)學(xué)理論相結(jié)合，讓讀者能夠快速理解各種模型并上手實(shí)踐，值得細(xì)讀。
--唐春明 廣州大學(xué)數(shù)學(xué)與信息學(xué)科學(xué)院副院長
本書從原理、方法、實(shí)踐這 3 個(gè)維度系統(tǒng)地介紹了深度學(xué)習(xí)的方方面面，內(nèi)容詳實(shí)，解讀清晰，細(xì)節(jié)與全貌兼顧，既適合初學(xué)者閱讀，也可以作為深入研究的參考用書。
--楊剛 西安電子科技大學(xué)教授
近年來出版的深度學(xué)習(xí)相關(guān)圖書中，本書是我見過非常有指導(dǎo)意義的中文書籍之一。本書對 ANN、CNN、RNN 等模型進(jìn)行深入淺出的介紹，引入大量圖例和簡化后的公式，讓算法淺顯易懂。每一章的實(shí)踐內(nèi)容都給人驚喜，強(qiáng)烈推薦！
--吳健之 騰訊音樂高級(jí)工程師
作為產(chǎn)品經(jīng)理，我能看懂的深度學(xué)習(xí)書籍實(shí)在太少了。本書恰到好處，插圖豐富直觀，數(shù)學(xué)公式簡練，很喜歡此類風(fēng)格的圖書，易懂好學(xué)。即使你不是程序員或算法專家，該書也值得一看！
--張瑞 中軟國際高級(jí)產(chǎn)品經(jīng)理
