機器學習算法導論

內容簡介

機器學習是計算機智慧型圍棋博弈系統、無人駕駛汽車和工業界人工智慧助理等新興技術的靈魂，特別是深度學習理論更是諸多高精尖人工智慧技術的核心。掌握機器學習理論與實踐技術是學習現代人工智慧科學最重要的一步。

本書既講述機器學習算法的理論分析，也結合具體套用介紹它們在Python中的實現及使用方法。本書的第2到第9章主要介紹監督式學習算法。其中包括：監督式學習算法基礎、線性回歸算法、機器學習中的搜尋算法、Logistic回歸算法、支持向量機算法、決策樹、神經網路和深度學習。隨後，在第10與11這兩章，著重介紹無監督學習算法。其中包括：降維算法和聚類算法。第12章中講述強化學習的相關知識。在本書的附錄中還提供了學習本書必備的數學基礎知識和Python語言與機器學習工具庫基本知識。

與其他機器學習類書籍相比，本書同時包含機器學習的算法理論和算法實踐。希望通過課程的學習,讀者能夠從機器學習的理論基礎和實際套用兩個層面全面掌握其核心技術，同時計算思維能力得到顯著提高，對於整個課程講述的機器學習算法核心知識，能夠知其然且知其所以然。同時著力培養讀者的計算思維能力，使他們在面臨實際套用的挑戰時，能夠以算法的觀點思考問題，並靈活套用數學概念來設計出高效安全的解決方案。

圖書目錄

第1章機器學習算法概述1

1.1什麼是機器學習2

1.2機器學習的形式分類4

1.2.1監督式學習4

1.2.2無監督學習7

1.2.3強化學習8

1.3機器學習算法綜覽9

1.4有關術語的約定15

小結16

第2章監督式學習算法基礎17

2.1監督式學習基本概念17

2.2經驗損失最小化架構20

2.3監督式學習與經驗損失最小化實例23

2.4正則化算法29

小結34

習題35

第3章線性回歸算法38

3.1線性回歸基本概念38

3.2線性回歸最佳化算法43

3.3多項式回歸49

3.4線性回歸的正則化算法52

3.5線性回歸的特徵選擇算法58

3.5.1逐步回歸58

3.5.2分段回歸63

小結66

習題66

第4章機器學習中的搜尋算法70

4.1梯度下降算法與次梯度下降算法71

4.2隨機梯度下降算法77

4.3牛頓疊代算法83

4.4坐標下降算法87

小結91

習題92

第5章Logistic回歸算法94

5.1Logistic回歸基本概念94

5.2Logistic回歸最佳化算法100

機器學習算法導論

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條