機器學習原理與實踐（微課版）

《機器學習原理與實踐（微課版）》是清華大學出版社於2022年出版的書籍，作者是陳喆。

基本介紹

• 書名：機器學習原理與實踐（微課版）
• 作者：陳喆
• 出版社：清華大學出版
• 出版時間：2022年6月1日
• 定價：59 元
• ISBN：9787302603320

內容簡介

在這個“智慧型為王”“數據是金”的時代，越來越多的數據，包括物聯網設備採集的客觀世界數據，被用來指導人類的實踐活動。機器學習是處理與分析這些數據的一類常用方法。本書力求從原理的角度，從無到有，講清楚機器學習中的一些常見方法，並從實踐的角度，循序漸進，引領讀者獨立編程實現這些機器學習方法，從而幫助讀者迅速掌握機器學習方法，為讀者進一步學習理解深度學習方法奠定堅實的原理與實踐基礎。 本書適合計算機科學與技術、人工智慧、物聯網工程、數據科學與大數據、通信工程、電子信息、機器人、自動化、智慧型製造等相關專業高年級本科生及研究生教學或自學使用，也適合機器學習等領域的從業者及愛好者自學或參考。

目錄

第1章引言1

1.1機器學習簡史2

1.2什麼是機器學習2

1.3機器學習的套用3

1.4機器學習方法的實現4

1.4.1機器學習與Python4

1.4.2NumPy庫5

1.4.3Matplotlib庫6

1.5本章實驗分析8

1.6本章小結9

1.7思考與練習10

第2章監督學習11

2.1線性回歸12

2.1.1線性回歸的數學模型12

2.1.2線性回歸的訓練過程16

2.1.3梯度下降法21

2.1.4線性回歸的實現與性能評估26

2.1.5線性回歸實踐28

2.1.6特徵縮放31

2.1.7多輸出線性回歸34

2.2邏輯回歸38

2.2.1二分類與邏輯回歸39

2.2.2邏輯回歸的訓練問題43

2.2.3邏輯回歸的代價函式46

2.2.4分類任務的性能指標51

2.2.5邏輯回歸實踐55

2.3支持向量機55

2.3.1支持向量機及其訓練問題56

2.3.2支持向量機訓練問題初步求解58

2.3.3核技巧59

2.3.4軟間隔支持向量機62

2.3.5支持向量機實踐63

2.3.6過擬合與欠擬合64

2.4k近鄰68

2.4.1k近鄰分類69

2.4.2多分類任務的性能指標71

2.5樸素貝葉斯73

2.5.1樸素貝葉斯分類器74

2.5.2樸素貝葉斯分類器進階76

2.5.3樸素貝葉斯實踐78

2.6神經網路79

2.6.1多分類邏輯回歸79

2.6.2多分類邏輯回歸的訓練82

2.6.3二分類神經網路85

2.6.4二分類神經網路的分類90

2.6.5二分類...