機器學習基礎與實踐

機器學習基礎與實踐

《 機器學習基礎與實踐》是2021年清華大學出版社出版的圖書,作者:楊金坤 、馬星原、張力寧、張峻。

基本介紹

  • 中文名:機器學習基礎與實踐
  • 作者:楊金坤 、馬星原、張力寧、張峻
  • 出版社清華大學出版社
  • 出版時間:2021年3月1日
  • ISBN:9787302571865 
內容簡介,圖書目錄,

內容簡介

本課程從實踐角度考慮,結合部分數學統計學知識講解最經典的機器學習算法,主要內容是機器學習思想在具體項目上的示例和代碼實現、如何做算法的參數調試和分析各種算法的選擇等。本課程重視項目實踐如工業實踐、算法競賽實踐等,重視落地,使學生在實踐中思考不同算法之間的區別和聯繫,提高在實際工作中選擇算法的能力。本課程實踐項目涉及信用卡欺詐、公共腳踏車租賃、波士頓房價、捷運人流量預測、廣告點擊率、O2O電商優惠券核銷、美國人口普查及收入預測等18個實踐案例。

圖書目錄

第1章機器學習概覽1
1.1人工智慧技術發展史和機器學習定義1
1.2必要的基礎概念3
1.3機器學習項目工作流程5
1.4機器學習任務場景6
小結與討論8
習題8第2章特徵工程方法9
2.1特徵類型9
2.2特徵處理10
2.3特徵選擇11
2.4案例1: 北京房價數據特徵工程12
2.4.1案例介紹12
2.4.2案例目標13
2.4.3案例拆解13
2.5案例2: 鐵達尼號乘客逃生數據特徵工程16
2.5.1案例介紹16
2.5.2案例目標17
2.5.3案例拆解17
小結與討論20
習題20第3章決策樹21
3.1決策樹實現過程21
3.2決策樹的目標函式24
3.3案例1: 鳶尾花分類26
3.3.1案例介紹26
3.3.2案例目標26
3.3.3案例拆解26
3.4案例2: 信用卡欺詐預測31
3.4.1案例介紹31
3.4.2案例目標31
3.4.3案例拆解31
小結與討論41
習題42第4章K最近鄰43
4.1K最近鄰實現43
4.2距離度量45
4.3案例1: O2O優惠券使用日期預測46
4.3.1案例介紹46
4.3.2案例目標46
4.3.3案例拆解47
4.4案例2: 葡萄酒原產地預測52
4.4.1案例介紹52
4.4.2案例目標52
4.4.3案例拆解52
小結與討論61
習題61第5章支持向量機62
5.1SVM建模思路62
5.2核技巧64
5.3案例1: 手寫數字識別69
5.3.1案例介紹69
5.3.2案例目標70
5.3.3案例拆解70
5.4案例2: 捷運人流量預測71
5.4.1案例介紹71
5.4.2案例目標71
5.4.3案例拆解71
小結與討論77
習題78第6章樸素貝葉斯79
6.1貝葉斯基礎和最大後驗機率79
6.2樸素貝葉斯的實現81
6.3案例1: 糖尿病病情預測85
6.3.1案例介紹85
6.3.2案例目標85
6.3.3案例拆解85
6.4案例2: 亞馬遜消費者投訴分析91
6.4.1案例介紹91
6.4.2案例目標91
6.4.3案例拆解92
小結與討論98
習題98第7章線性回歸與邏輯回歸99
7.1線性回歸的實現99
7.2邏輯回歸的實現100
7.3案例1: 廣告點擊率預測101
7.3.1案例介紹101
7.3.2案例目標101
7.3.3案例拆解101
7.4案例2: 波士頓房價預測105
7.4.1案例介紹105
7.4.2案例目標105
7.4.3案例拆解105
小結與討論110
習題110第8章集成思想 111
8.1隨機森林111
8.2梯度提升決策樹112
8.3案例1: 美國居民收入預測112
8.3.1案例介紹112
8.3.2案例目標112
8.3.3案例拆解112
8.4案例2: 公共腳踏車租賃預測120
8.4.1案例介紹120
8.4.2案例目標120
8.4.3案例拆解120
小結與討論125
習題125第9章聚類與降維126
9.1聚類概述126
9.2KMeans算法的實現過程129
9.3案例1: 蘑菇數據聚類131
9.3.1案例介紹131
9.3.2案例目標131
9.3.3案例拆解131
9.4案例2: 圖像數據壓縮136
9.4.1案例介紹136
9.4.2案例目標136
9.4.3案例拆解136
小結與討論138
習題138第10章神經網路方法 139
10.1神經網路方法基礎原理139
10.2全連線神經網路的組成139
10.3案例1: 時裝圖像分類140
10.3.1案例介紹140
10.3.2案例目標140
10.3.3案例拆解140
10.4案例2: 人臉圖像識別143
10.4.1案例介紹143
10.4.2案例目標143
10.4.3案例拆解143
小結與討論147
習題148
附錄A環境問題QA149

相關詞條

熱門詞條

聯絡我們