機器學習算法與套用

內容簡介

《機器學習算法與套用》主要內容包括機器學習中的相關數學基礎（線性代數、機率統計與資訊理論、**化方法和張量分析），樣本數據的處理，機器學習的各種主流算法，基於MATLAB的機器學習算法的實現與機器學習綜合套用，機器學習和深度學習的工程套用。本書特色是深入淺出，自成體系，注重基礎理論的描述，具有系統性、完整性、可閱讀性、套用性和前瞻性。本書可作為高等院校研究生和本科生機器學習相關課程的教材，還可作為與人工智慧相關機構研究人員的參考書。

圖書目錄

第 1 章緒論 1

1.1 機器學習的定義 1

1.2 機器學習的種類 1

1.3 機器學習的套用 5

1.4 網上公開的部分機器學習資料庫 9

第一部分機器學習中的數學基礎

第 2 章線性代數 13

2.1 標量、向量、矩陣和張量 13

2.2 矩陣的運算 14

2.3 特殊矩陣 16

2.4 線性空間、線性相關和線性變換 16

2.5 內積與範數 17

2.6 矩陣分解 19

2.7 Moore-Penrose 偽逆 20

2.8 MATLAB 函式和示例 21

第 3 章機率統計與資訊理論 24

3.1 隨機事件及其機率 24

3.2 隨機變數及其機率分布 25

3.3 邊緣機率與條件機率 27

3.4 獨立性、全機率公式和貝葉斯公式 28

3.5 隨機變數的數字特徵 29

3.6 常用機率分布 30

3.7 數理統計基礎 33

3.8 統計推斷 35

3.9 資訊理論 37

3.10 MATLAB 函式和示例 38

第 4 章最最佳化方法 41

4.1 拉格朗日乘子法與 KKT 條件 41

4.2 梯度下降法和共軛梯度法 45

4.3 牛頓法和擬牛頓法 48

4.4 坐標下降法 50

4.5 啟發式智慧型最佳化算法 51

4.6 基於 MATLAB 的最佳化求解 54

第 5 章張量分析 57

5.1 基本概念與運算 57

5.2 張量的經典分解 60

5.3 張量奇異值分解 64

5.4 MATLAB 函式與示例 65

第二部分樣本數據的處理

第 6 章核（Kernel）方法 71

機器學習算法與套用

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條