《機器學習算法框架實戰：Java和Python實現》本書作者麥嘉銘，由機械工業出版社出版發行。
基本介紹
- 書名：機器學習算法框架實戰：Java和Python實現
- 作者：麥嘉銘
- 類別：計算機類圖書
- 出版社：機械工業出版社
- 出版時間：2020年7月
- 頁數：216 頁
- 定價：69 元
- 開本：16 開
- 裝幀：平裝
- ISBN：9787111659754
內容簡介,圖書目錄,作者簡介,
內容簡介
隨著網際網路技術的飛速發展，全球逐漸步入大數據時代，智慧型化的趨勢越來越明元祝欠顯，各行各業幾乎都喊出了智慧型化的口號。機器學習作為人工智慧的一個重要只記付汽研究方向，在一定程度上成為IT人才的必要技能。本書以一個自研機器學習算法框架的構建為主線，首先介紹了機器學習的相關概念和背景，然後按照代數矩陣運算層、最最佳化方法層、算法模型層和業務功能層的分層順序對算法框架展開講述，旨在通過理論和企影勸實踐相結合的方式，幫助廣大零算法基礎的開發人員了解和掌握一定的算法能力，同時也為算法設計人員提供工程實踐中的參考範例。
本書實用性強，適合零算法基礎勸慨項的開發人員閱讀，也適合具備一定算法能力且希望在工程實踐中有所借鑑的工程技術人員閱讀。另外，本書還適合作為算法設計人員及機器學習算法愛好者的參考書。
圖書目錄
第1篇 緒論
第1章 背景 2
1.1 機器學習的概念 2
1.2 機器學習所解決的問題 3
1.3 如何選擇機器學習算法 5
1.4 習題 5
第2章 機器學習算法框架概要 7
2.1 算法框架的分層模型 7
2.2 分層模型中各層級的職責 8
2.3 開始搭建框架的準備工作 8
第2篇 代數矩陣運算層
第3章 矩陣運算庫 20
3.1 矩陣運算庫概述 20
3.2 矩陣基本運算的實現 20
3.3 矩陣的其他操作 27
3.4 習題 32
第4章 矩陣相關函式的實現 33
4.1 常用函式 33
4.2 行列式函式 41
4.3 矩陣求逆函式 43
4.4 矩陣特徵值和特徵向量函式 44
4.5 矩陣正交化函式 45
4.6 習題 49
第3篇 最最佳化方法層
第5章 最速下降最佳化器 52
5.1 最速下降最佳化方法概述 52
5.2 最速下降最佳化器的實現 54
5.3 一個目標函式的最佳化例子 62
5.4 習題 66
第6章 遺傳算法最佳化器 67
6.1 遺傳算法概述 67
6.2 遺傳算法最佳化器的實現 71
6.3 一個目標函式的最佳化例子 82
6.4 習題 85
第4篇 算法模型層
第7章 分類和回歸模型 88
7.1 分類和回歸模型概述 88
7.2 基礎回歸模型 89
7.3 分類回歸分析的例子 102
7.4 習題 108
第8章 多層神經網路模型 109
8.1 多層神經網路模型概述 109
8.2 多層神經網路模型的實現 115
8.3 多層神經網路模型示例 122
8.4 習題 125
第9章 聚類模型 126
9.1 K-means模型 126
9.2 GMM134
9.3 習題 147
第10章 時間序列模型 148
10.1 指數平滑模型 148
10.2 Holt-Winters模型 150
10.3 習題 160
第11章 降維和特徵提取 161
11.1 降維的目的 161
11.2 主成分分析模型 162
11.3 自動編碼機模型 170
11.4 習題176
第5篇 業務功能層
第12章 時間序列異常檢測 178
12.1 時間序列異常檢測的套用場景 178
12.2 時間序列異常檢測的基本原理 178
12.3 時間序列異常檢測功能服務的實現 180
12.4 套用實例：找出數據中歸諒的異常記錄 182
12.5 習題 183
第13章 離群點檢測 184
13.1 離群點檢測的套用場景 184
13.2 離群點檢測的基本原理 185
13.3 離群點檢測功能服務的實現 188
13.4 套用實例：找出數據中的異常臭厚格精記錄 191
13.5 習題 193
第14章 趨勢線擬合槳漿才 194
14.1 趨勢線擬合的套用場景 194
14.2 趨勢線擬合的基本原理 195
14.3 趨勢線擬合功能服務的實現 196
14.4 套用實例：對樣本數據進行趨勢線擬合 201
14.5 習題 203
作者簡介
麥嘉銘 BIGO公司大數據高級開發工程師。曾先後於中國科學院、新加坡先進數字科學中心訪學交流，發表過多篇國際SCI期刊論文，擁有豐富的算法及工程方面的項目開發經驗。
7.4 習題 108
第8章 多層神經網路模型 109
8.1 多層神經網路模型概述 109
8.2 多層神經網路模型的實現 115
8.3 多層神經網路模型示例 122
8.4 習題 125
第9章 聚類模型 126
9.1 K-means模型 126
9.2 GMM134
9.3 習題 147
第10章 時間序列模型 148
10.1 指數平滑模型 148
10.2 Holt-Winters模型 150
10.3 習題 160
第11章 降維和特徵提取 161
11.1 降維的目的 161
11.2 主成分分析模型 162
11.3 自動編碼機模型 170
11.4 習題176
第5篇 業務功能層
第12章 時間序列異常檢測 178
12.1 時間序列異常檢測的套用場景 178
12.2 時間序列異常檢測的基本原理 178
12.3 時間序列異常檢測功能服務的實現 180
12.4 套用實例：找出數據中的異常記錄 182
12.5 習題 183
第13章 離群點檢測 184
13.1 離群點檢測的套用場景 184
13.2 離群點檢測的基本原理 185
13.3 離群點檢測功能服務的實現 188
13.4 套用實例：找出數據中的異常記錄 191
13.5 習題 193
第14章 趨勢線擬合 194
14.1 趨勢線擬合的套用場景 194
14.2 趨勢線擬合的基本原理 195
14.3 趨勢線擬合功能服務的實現 196
14.4 套用實例：對樣本數據進行趨勢線擬合 201
14.5 習題 203
作者簡介
麥嘉銘 BIGO公司大數據高級開發工程師。曾先後於中國科學院、新加坡先進數字科學中心訪學交流，發表過多篇國際SCI期刊論文，擁有豐富的算法及工程方面的項目開發經驗。
