人工智慧與機器學習

隨著計算機技術迅猛地發展，人工智慧與機器學習已經滲透到我們日常生活的各個領域。為此，中國人民大學專門為全校財經和人文專業的學生開設寒斷棵了“人工智慧與機器學習”課程，本書的所有作者都參與了該門課程的教學實踐，相互配合，總結教學經驗，共同打磨而成《人工智慧與機器學習》一書。書中通過豐富現實案例的詳細講解，引導學生了解各種機器學習模型的基本原理與實踐用法。避開了大量的數學模型和複雜編程知識腿朵拘，讓學生熟悉當下流行的一些機器學習和數據處理工具的使用，來解決現實領域遇到的各種數據分析和預測問題。

第1章人工智慧簡介

11什麼是人工智慧

12人工智慧簡史（1956年以前）

13人工智慧簡史（1956—1980年）

14人工智慧簡史（1980—2010年）

15人工智慧簡史（2010年至今）

第2章機器學習簡介

21什麼是機器學習

22機器學習分類

第3章Python簡介

31環境配置

32Python基礎墊祝臘編程

33Numpy

34Matplotlib

35Pandas

第4章K近鄰

41什麼是K近鄰

42如何度量距離或者相似性

43數據縮放

4漿姜4選擇合適的K值

45Scikitlearn KNN分類器介紹

46案例一：戒采駝艱鳶尾花分類

第5章模型選擇

51偏差與方差

52訓練集與測試集

53交叉驗證

54案例二：鳶尾花分類（案例一續）

第6章線性回歸

61什麼是線性回歸

62損失函式

63增加多項式特徵

64正則化

65超參數調優

66案例三：波士頓房價預測

第7章邏輯回歸

71什麼是邏輯回歸

72決策邊界

73損失函式

74線性回歸和邏輯回歸的異同

75多分類

76案例四：轎旬辯鐵達尼號乘客生還預測

第8章分類評價指標

81混淆矩陣

82查準率與查全率、F1分數

83ROC曲線和AUC

84多分類評價指標

85案例五：鐵達尼號乘客生還預測（案例四續）

第9章樸素貝葉斯

91貝葉斯定理

92樸素貝葉斯分類器

93不同的樸素貝葉斯模型

94文本分類

95案例六：垃圾郵件識別

第10章支持向量機

101什麼是支持向量機

102核函式

103支持向量機的參數最佳化

104案例七：垃圾郵件識別（案例六續）

105總結

第11章決策樹

111什麼是決策樹

112構建決策樹

113修剪決策樹

114決策樹的優缺點和使用方法

115案例八：鐵達尼號乘客生還預測

第12章集成學習

121袋裝

122提升

123堆疊

124案例九：鐵達尼號乘客生還預測（案例八續）

第13章聚類

131什麼是聚類

132Kmeans算法

133聚類結果的評價

134不同的距離指標

135聚合式層次聚類

136案例十：商場客戶聚類

第14章深度學習

141深度學習發展簡史

142多層感知器

143損失函式

144最佳化算法：反向傳播算法

145案例十一：手寫數字識別凝拘臭懂

146深度學習技巧

147卷積神經網路

148案例十二：圖像識別

第15章Kaggle競賽

151Kaggle平台簡介

152Kaggle競賽簡介

153Kaggle競賽案例分析：鐵達尼號乘客生還預測

人工智慧與機器學習

基本介紹

相關詞條

熱門詞條