動手學機器學習(人民郵電出版社出版的圖書)

內容簡介

本書系統介紹了機器學習的基本內容及其代碼實現，是一本著眼於機器學習教學實踐的圖書。本書包含4個部分：*部分為機器學習基礎，介紹了機器學習的概念、數學基礎、思想方法和簡單的機器學習算法；*部分為參數化模型，講解線性模型、神經網路等算法；第三部分為非參數化模型，主要討論支持向量機和決策樹模型及其變種；第四部分為無監督模型，涉及聚類、降維、機率圖模型等多個方面。本書將機器學習理論和實踐相結合，以大量示例和代碼帶領讀者走進機器學習的世界，讓讀者對機器學習的研究內容、基本原理有基本認識，為後續進一步涉足深度學習打下基礎。本書適合對機器學習感興趣的專業技術人員和研究人員閱讀，同時適合作為人工智慧相關專業機器學習課程的教材。

圖書目錄

第一部分機器學習基礎

第 1 章初探機器學習 2

1 1 人工智慧的“兩隻手和四條腿” 2

1 2 機器學習是什麼 2

1 3 時代造*機器學習的盛行 4

1 4 泛化能力：機器學習奏效的本質 5

1 5 歸納偏置：機器學習模型的“天賦” 6

1 6 機器學習的限制 7

1 7 小結 7

第 2 章機器學習的數學基礎 8

2 1 向量 8

2 2 矩陣 10

2 2 1 矩陣的基本概念 10

2 2 2 矩陣運算 11

2 2 3 矩陣與線性方程組 12

2 2 4 矩陣範數 13

2 3 梯度 14

2 4 凸函式 17

2 5 小結 19

第 3 章 k近鄰算法 20

3 1 KNN算法的原理 20

3 2 用KNN算法完成分類任務 21

3 3 使用scikit-learn實現KNN算法 24

3 4 用KNN算法完成回歸任務--色彩風格遷移 25

3 4 1 RGB空間與LAB空間 27

3 4 2 算法設計 27

3 5 小結 30

第 4 章線性回歸 33

4 1 線性回歸的映射形式和學習目標 33

4 2 線性回歸的解析方法 35

4 3 動手實現線性回歸的解析方法 35

4 4 使用sklearn中的線性回歸模型 37

4 5 梯度下降算法 38

4 6 學習率對疊代的影響 42

4 7 小結 44

第 5 章機器學習的基本思想 46

5 1 欠擬合與過擬合 46

5 2 正則化約束 49

5 3 輸入特徵與相似度 52

5 4 參數與*參數 55

5 5 數據集劃分與交叉驗證 56

5 6 小結 57

5 7 擴展閱讀：貫穿恆等式的證明 58

動手學機器學習(人民郵電出版社出版的圖書)

基本介紹

內容簡介

圖書目錄

作者簡介

相關詞條

熱門詞條