機器學習簡明教程

《機器學習簡明教程》是2020年機械工業出版社出版的圖書，作者是汪榮貴。

基本介紹

• 書名：機器學習簡明教程
• 作者：汪榮貴
• 出版社：機械工業出版社
• ISBN：9787111651673

內容簡介

本書內容主要包括機器學習的基本知識、基本學習方法、集成學習方法、深度學習方法和深度強化學習方法等內容，將機器學習的經典內容與深度學習等前沿內容有機地結合在一起，形成一套相對完整的知識體系，並在每個章節穿插相應的套用實例，使得廣大讀者不但能夠較好地掌握機器學習基本理論，而且能夠比較系統地掌握其套用技術，為今後的工作和進一步學習打下紮實的理論與套用基礎。

圖書目錄

前言

第1章　機器學習概述 1

1.1　機器學習基本概念 1

1.1.1　人工智慧與機器學習 1

1.1.2　機器學習基本術語 5

1.1.3　機器學習誤差分析 8

1.2　機器學習發展歷程 11

1.2.1　感知機與連線學習 11

1.2.2　符號學習與統計學習 13

1.2.3　連線學習的興起 17

1.3　機器學習基本問題 19

1.3.1　特徵提取 19

1.3.2　規則構建 23

1.3.3　模型評估 27

1.4　模型最佳化與正則化 31

1.4.1　梯度下降法 31

1.4.2　隨機梯度法 34

1.4.3　模型正則化 36

1.5　習題 41

第2章　基本學習方法 43

2.1　監督學習 43

2.1.1　線性模型 43

2.1.2　決策樹模型 50

2.1.3　貝葉斯模型 62

2.1.4　支持向量機 68

2.2　無監督學習 72

2.2.1　聚類分析法 72

2.2.2　主分量分析法 76

2.3　強化學習 81

2.3.1　強化學習概述 81

2.3.2　馬爾可夫模型 84

2.3.3　值疊代學習 89

2.3.4　時序差分學習 94

2.4　基本學習方法的套用 103

2.4.1　垃圾郵件檢測與分類 103

2.4.2　人臉自動識別 106

2.4.3　自動爬山小車 112

2.5　習題 117

第3章　集成學習方法 119

3.1　集成學習概述 119

3.1.1　集成學習基本概念 119

3.1.2　集成學習基本範式 120

3.1.3　集成學習泛化策略 122

3.2　Bagging集成學習 124

3.2.1　Bagging集成策略 124

3.2.2　隨機森林模型結構 127

3.2.3　隨機森林訓練算法 129

3.3　Boosting集成學習 142

3.3.1　Boosting集成策略 143

3.3.2　AdaBoost學習算法 145

3.3.3　GBDT學習算法 146

3.4　集成學習方法的套用 151

3.4.1　房價預測分析 151

3.4.2　人臉自動檢測 156

3.5　習題 162

第4章　深度學習方法 163

4.1　神經網路概述 163

4.1.1　神經元與感知機 163

4.1.2　前饋網路訓練範式 168

4.1.3　淺層學習與深度學習 176

4.2　深度卷積網路 181

4.2.1　卷積網路概述 181

4.2.2　基本網路模型 190

4.2.3　改進網路模型 199

4.3　深度循環網路 206

4.3.1　動態系統展開 207

4.3.2　網路結構與計算 208

4.3.3　模型訓練策略 217

4.4　生成式對抗網路 221

4.4.1　生成器與判別器 222

4.4.2　網路結構與計算 224

4.4.3　模型訓練策略 229

4.5　深度學習方法的套用 234

4.5.1　光學字元識別 235

4.5.2　圖像目標檢測 239

4.5.3　自動文本摘要 245

4.6　習題 249

第5章　深度強化學習 251

5.1　深度強化學習概述 251

5.1.1　基本學習思想 251

5.1.2　基本計算方式 254

5.1.3　蒙特卡洛樹搜尋 255

5.2　基於價值的深度強化學習 261

5.2.1　深度Q網路 261

5.2.2　深度雙Q網路 266

5.2.3　DQN改進模型 270

5.3　基於策略的深度強化學習 273

5.3.1　策略梯度算法 273

5.3.2　Actor-Critic算法 278

5.3.3　DDPG學習算法 284

5.4　深度強化學習的套用 288

5.4.1　智慧型巡航小車 288

5.4.2　自動對弈遊戲 292

5.5　習題 303

參考文獻 305