機器學習經典算法實踐（Python版）

《機器學習經典算法實踐（Python版）》是清華大學出版社於2022年出版的書籍，作者是李茜、盧星宇、吳斌、肖雲鵬。

基本介紹

• 書名：機器學習經典算法實踐（Python版）
• 作者：李茜、盧星宇、吳斌、肖雲鵬
• 出版社：清華大學出版社
• 出版時間：2022年5月1日
• 定價：49 元
• ISBN：9787302597117
• 印次：1-1
• 印刷日期：2022.05.05

內容簡介

本書的寫作目的旨在幫助大量正走在、或即將走向學習機器學習路上的廣大讀者朋友。我們在日常教學和培養研究生過程中發現，很多同學一方面想學、願意學；另一方面又遇到入門難的問題，希望能有一本書旨在幫助正走在或即將走向學習機器學習路上的廣大讀者朋友。我們在日常教學和培養研究生過程中發現，很多同學一方面想學、願意學； 另一方面又遇到入門難的問題，希望能有一本書、一本教材講原良勸疊理、給數據、給源碼、給實驗，帶著入門。本著這樣一個初衷，我們選擇了機器學習領域析十大經典算法，把我們平常培養碩士研究生一年級剛入校學生的算法材料整理，開放提供給廣大希望學習的讀者朋友，寫一本機器學習入門級的學習材料。每章完整的原始碼掃描二維碼即可下載，每個算法一個Python工程，實驗數據就在每欠射個工程的data資料夾下。代碼風格儘量保持一致，讓讀者更容易理解。

本書可作為高等學校各專業“機器學習”及相關課程的教學參考書。本書、一本教材講原理、給數據、給源碼、給實驗，帶著入門。

作者簡介

李茜，博士，重慶郵電大學助理研究員，畢業於北京郵電大學。主要研究方向：大數據、社交網路、信息傳播、機器學習。近年來，以第一作者在IEEE TCSS、Computational Intelligence、IEICE Transactions on Information and Systems、Physica A、網路與信息安全學報等國內外高水平期刊發表論文十少芝連照余篇。

圖書目錄

●第1章KNN

1.1KNN算法原理

1.1.1算法引入

1.1.2科學問題

1.1.3算法流程

1.1.4算法描棗企膠述

1.1.5補充說明

1.2KNN算法實現

1.2.1簡介

1.2.2核心代霉烏只訂碼

1.3實驗數據

1.4實驗結果

1.4.1結果展示

1.4.2結果分析

●第2章樸素貝葉斯

2.1樸素貝葉斯算法原理

2.1.1樸素貝葉斯算法引入

2.1.2科學問題

2.1.3算法流程

2.1.4算法描述

2.1.5算法補充

2.2樸素貝葉斯算法實現

2.2.1簡介

2.2.2核心代碼

2.3實驗數據

2.4實驗結果

2.4.1結果展示

2.4.2結果分析

●第3章C4.5

3.1C4.5算法原理

3.1.1C4．5算法引入

3.1.2科學問題

3.1.3算法流程

3.1.4算法描述

3.1.5補充說明

3.2C4.5算法實現

3.2.1簡介

3.2.2核心代碼

3.3實驗數據

3.4實驗結果

3.4.1結果展示

3.4.2結果分析

●第4章SVM

4.1SVM算法原理

4.1.1算法引入

4.1.2科學問題

4.1.3算法流程

4.1.4算法描述

4.1.5補充說明

4.2SVM算法實現

4.2.1簡介

4.2.2核心代碼

4.3實驗數據

4.4實驗結果

4.4.1結果展示

4.4.2結果分析

●第5章AdaBoost

5.1AdaBoost算法原理

5.1.1算法引入

5.1.2科學問題

5.1.3算法流程

5.1.4算法描述

5.1.5補充說明

5.2AdaBoost算法實現

5.2.1簡介

5.2.2核心代碼

5.3實驗數據

5.4實驗結果

5.4.1結果展示

5.4.2結果分析

●第6章CART

6.1CART算法原理

6.1.1算法引入

6.1.2科學問題

6.1.3算法流程

6.1.4算法描述

6.1.5補充說明

6.2CART算法實現

6.2.1簡訂膠鴉介

6.2.2核心代碼

6.3實驗數據

6.4實驗結果

6.4.1結果展示

6.4.2結果分析

●第7章KMeans

7.1KMeans算法原理

7.1.1算法引入

7.1.2科學問題

7.1.3算法流程

7.1.4算法描述

7.1.5補充說明

7.2KMeans算法實現

7.2.1簡介

7.2.2核心代碼

7.3實驗數據

7.4實驗結果

7.4.1結果展示

7.4.2結果分析

●第8章Apriori

8.1Apriori算法原理

8.1.1算法引入

8.1.2科學問題

8.1.3算法流程

8.1.4算法描述

8.2Apriori算法實現

8.2.1簡介

8.2.2核心代碼

8.3實驗數據

8.4實驗結果

8.4.1結果展示

8.4.2結果分析

●第9章PageRank

9.1PageRank算法原理

9.1.1PageRank算法引入

9.1.2科學問題

9.1.3算法流程

9.1.4算法描述

9.2PageRank算法實現

9.2.1簡介

9.2.2核心代碼

9.3實驗數據

9.4實驗結果

9.4.1結果展示

9.4.2結果分析

●第10章EM

10.1EM算地去辯法原理

10.1.1EM算法的引入

10.1.2科學問題

10.1.3理論推導

10.1.4算法流程

10.1.5算法描述

10.2EMGMM實現

10.2.1簡介

10.2.2核心代碼

10.3實驗數據

10.4實驗結果

10.4.1結果展示

10.4.2結果分析

3.1.3算法流程

3.1.4算法描述

3.1.5補充說明

3.2C4.5算法實現

3.2.1簡介

3.2.2核心代碼

3.3實驗數據

3.4實驗結果

3.4.1結果展示

3.4.2結果分析

●第4章SVM

4.1SVM算法原理

4.1.1算法引入

4.1.2科學問題

4.1.3算法流程

4.1.4算法描述

4.1.5補充說明

4.2SVM算法實現

4.2.1簡介

4.2.2核心代碼

4.3實驗數據

4.4實驗結果

4.4.1結果展示

4.4.2結果分析

●第5章AdaBoost

5.1AdaBoost算法原理

5.1.1算法引入

5.1.2科學問題

5.1.3算法流程

5.1.4算法描述

5.1.5補充說明

5.2AdaBoost算法實現

5.2.1簡介

5.2.2核心代碼

5.3實驗數據

5.4實驗結果

5.4.1結果展示

5.4.2結果分析

●第6章CART

6.1CART算法原理

6.1.1算法引入

6.1.2科學問題

6.1.3算法流程

6.1.4算法描述

6.1.5補充說明

6.2CART算法實現

6.2.1簡介

6.2.2核心代碼

6.3實驗數據

6.4實驗結果

6.4.1結果展示

6.4.2結果分析

●第7章KMeans

7.1KMeans算法原理

7.1.1算法引入

7.1.2科學問題

7.1.3算法流程

7.1.4算法描述

7.1.5補充說明

7.2KMeans算法實現

7.2.1簡介

7.2.2核心代碼

7.3實驗數據

7.4實驗結果

7.4.1結果展示

7.4.2結果分析

●第8章Apriori

8.1Apriori算法原理

8.1.1算法引入

8.1.2科學問題

8.1.3算法流程

8.1.4算法描述

8.2Apriori算法實現

8.2.1簡介

8.2.2核心代碼

8.3實驗數據

8.4實驗結果

8.4.1結果展示

8.4.2結果分析

●第9章PageRank

9.1PageRank算法原理

9.1.1PageRank算法引入

9.1.2科學問題

9.1.3算法流程

9.1.4算法描述

9.2PageRank算法實現

9.2.1簡介

9.2.2核心代碼

9.3實驗數據

9.4實驗結果

9.4.1結果展示

9.4.2結果分析

●第10章EM

10.1EM算法原理

10.1.1EM算法的引入

10.1.2科學問題

10.1.3理論推導

10.1.4算法流程

10.1.5算法描述

10.2EMGMM實現

10.2.1簡介

10.2.2核心代碼

10.3實驗數據

10.4實驗結果

10.4.1結果展示

10.4.2結果分析