機器學習算法入門與編程實踐（基於Python·微課視頻版）

作品簡介

本書對機器學習算法的基本原理和Python程式實現進行了系統的介紹，每種算法都採用Sklearn程式實現並用Matplotlib進行數據可視化。為了幫助讀者更加高效、直觀地學習，作者為本書錄製了13個微課視頻，讀者可以用手機掃描書中的二維碼進行觀看，也可以將視頻下載後進行觀看。

本書共8章，包括機器學習概述、Python機器學習與可視化、關聯規則與推薦算法、聚類算法、分類算法、回歸與邏輯回歸、人工神經網路、支持向量機等內容。

本書可以作為高等院校機器學習和人工智慧概論等課程的教材，也可作為機器學習算法入門讀者的自學用書，還可以作為人工智慧等領域機器學習研究者和套用人員的參考書。

作品目錄

前言

第1章　機器學習概述

1.1　機器學習的概念和步驟

1.2　機器學習的預處理環節

1.3　機器學習的類型

1.4　機器學習的發展歷史和套用領域

1.5　習題

第2章　Python機器學習與可視化

2.1　Python程式入門

2.2　Python數據分析工具

2.3　數據可視化—基於Matplotlib庫

2.4　SciPy庫

2.5　sklearn庫

2.6　習題

第3章　關聯規則與推薦算法

3.1　關聯規則挖掘

3.2　推薦系統及算法

3.3　利用協同過濾推薦算法實現電影節目推薦

3.4　習題

第4章　聚類

4.1　聚類的原理與實現

4.2　層次聚類算法

4.3　K-means聚類算法

4.4　K-medoids聚類算法

4.5　DBSCAN聚類算法

4.6　利用聚類算法實現車牌識別

4.7　習題

第5章　分類

5.1　分類的基本原理

5.2　K-近鄰算法

5.3　樸素貝葉斯分類算法

5.4　決策樹分類算法

5.5　隨機森林分類算法

5.6　利用運動手環數據預測身體姿態

5.7　習題

第6章　回歸與邏輯回歸

6.1　線性回歸

6.2　邏輯回歸

6.3　邏輯回歸模型的sklearn實現

6.4　利用邏輯回歸模型預測貸款違約行為

6.5　習題

第7章　人工神經網路

7.1　神經元與感知機

7.2　人工神經網路的核心要素

7.3　人工神經網路的sklearn實現

7.4　深度學習與深度神經網路

7.5　利用神經網路進行手寫數字識別

機器學習算法入門與編程實踐（基於Python·微課視頻版）

基本介紹

作品簡介

作品目錄

相關詞條

熱門詞條