《機器學習技術》是電子工業出版社出版的圖書，作者是孫光明。
基本介紹
- 中文名：機器學習技術
- 作者：孫光明
- 出版時間：2023年8月
- 出版社：電子工業出版社
- 頁數：244 頁
- 字數：411千字
- ISBN：9787121461125
- 開本：16 開
內容簡介,圖書目錄,
內容簡介
機器學習是一種實現人工智慧的方法，也是人工智慧領域中最能體現智慧型、發展最快的一個分支。本書作為該領域算法實現與套用的入門教材，主要介紹了一些經典而常用的機器學習方法及其編程技術，包括樸素貝葉斯、決策樹、k-NN、聚類、線性回歸、支持向量機（SVM）、神經網路等。全書以Python語言作為程式語言，基於工作過程系統化的體例設計，採用理論知識結合項目案例的形式，以圖例解析的方式深入淺出又直觀地剖析學習模型的計算機理，加深學生的體會和理解，避免了煩瑣的數學模型推導；在項目實施過程中，以任務驅動的方式一步一步地演示算法的編程實現與套用過程，學生通過按部就班地反覆訓練，便能掌握基本的機器學習編程技術和套用方法。此外，為滿足學生進一步的學習需要，書中多個單元均介紹了一些閱讀材料供學生參考；在每單元最後都挖掘了一個與本單元內容相關的重要人物或事件的思政故事，傳導專業正能量，促進學生職業精神與職業素養的養成。本書配備了豐富的數位化課程教學資源，既可作為高等職業學校、套用型普通高等院校人工智慧、大數據專業及其相關專業學生的教材，也可供想快速入門機器學習的工程技術人員、研究人員閱讀參考。
圖書目錄
單元1 機器學習導引 1
任務1.1 使用機器學習方法實現紙幣真假分類 2
任務1.2 開發環境的搭建及本地模型的訓練、評估 25
測試習題 49
單元2 樸素貝葉斯算法 52
任務2.1 垃圾簡訊數據集導入與數據預處理 52
任務2.2 訓練貝葉斯分類器 56
任務2.3 模型評估 63
測試習題 72
單元3 決策樹 75
任務3.1 天氣數據集導入與數據預處理 76
任務3.2 訓練決策樹模型 83
任務3.3 模型評估 97
測試習題 100
單元4 k-NN算法 102
任務4.1 Seeds數據集導入與數據預處理 102
任務4.2 訓練k-NN模型 106
任務4.3 模型評估 111
測試習題 116
單元5 聚類 119
任務5.1 鳶尾花數據集導入與數據預處理 119
任務5.2 訓練k-Means模型 124
任務5.3 模型評估 134
測試習題 142
單元6 線性回歸 145
任務6.1 房價數據集導入與數據預處理 145
任務6.2 訓練線性回歸模型 151
任務6.3 模型評估 161
測試習題 166
單元7 SVM算法 170
任務7.1 蘑菇數據集導入與數據預處理 170
任務7.2 訓練SVM算法模型 174
任務7.3 模型評估 182
測試習題 187
單元8 神經網路 190
任務8.1 MNIST數據集導入與數據預處理 191
任務8.2 訓練神經網路 197
任務8.3 深度學習 213
測試習題 234
