機器學習與深度學習

內容簡介

本書是“高級人工智慧人才培養叢書”中的一本，首先介紹了機器學習的相關概念和發展歷史，並在此基礎上提出匪趨境了深度學習——它本質上是近幾年來大數據技術催生的產物。本書共12章，其中，第1～7章為機器學習的內容，分別介紹了機器學習的簡單模型、貝葉斯學習、決策樹、支持向量機、集成學習和聚類；第8～12章為深旬只屑度學習的內容，由感知機與神經網路開始，之後分別介紹了卷積神經網路、循環神經網路、生成對抗網路及強化學習。第2～12章均提供了相應的實驗案例，不僅配有完整翔實的Python語言代碼及相關注釋，也給出了實驗結果和實驗分析，便於初學者上機操作並加強理解。本書注重易學性、系譽乃記乃統性和實戰性。

圖書目錄

第1章引言 1

1.1 人工智慧概述 1

1.1.1 人工智慧產生的基礎條件 1

1.1.2 人工智慧的發展史 2

1.1.3 人工智慧的幾個重要分支 3

1.1.4 人工智慧與機器學習和深度學習的關係 4

1.2 機器學習概述 5

1.2.1 機器學習的定義 5

1.2.2 機器學習的主要方法 5

1.2.3 機器學習的套用葛遙疊及其相關課程介紹 11

1.3 深度學習槓蜜閥驗概述 12

1.3.1 深度學習產生的背景 12

1.3.2 深度學習的幾種常用模型 13

1.3.3 深度學習的套用場合 16

1.3.4 深度學習開源工具 18

習題 19

參考文獻 19

第2章簡單模型 21

2.1 KNN算法 21

2.1.1 算法原理 21

2.1.2 算法步驟 22

2.1.3 算法描述 22

2.1.4 算法評價 23

2.1.5 算法實例 23

2.2 線性回歸 24

2.2.1 算法原理 25

2.2.2 模型求解 26

2.2.3 算法步驟 29

2.2.4 算法描述 29

2.2.5 算法評價 30

2.2.6 算法實例 30

2.3 邏輯回歸 32

2.3.1 算法原理 32

2.3.2 模型求解 33

2.3.3 算法步驟 34

2.3.4 算法描述 34

2.3.5 算法評價 35

2.4 實驗：邏輯回歸算法 35

2.4.1 實驗目的 35

2.4.2 實驗要求 35

2.4.3 實龍鴉提驗原理 35

2.4.4 實驗步驟 36

2.4.5 實驗結果 38

2.4.6 結果分析 39

習題 39

參考文獻 40

第3章貝葉斯學習 42

3.1 貝葉斯方法簡述 42

3.2 貝葉斯基礎理論 43

3.2.1 機率基礎 43

3.2.2 貝葉斯方法 44

3.3 樸素貝葉斯 46

3.3.1 樸素貝葉斯法介紹 46

3.3.2 樸素貝葉斯法實例 47

3.3.3 樸素貝葉斯法優缺點 51

3.4 貝葉斯網路 51

3.4.1 貝葉斯網路介紹 51

3.4.2 貝葉斯網路實現 52

3.4.3 貝葉斯網路特性及套用 54

3.5 實驗騙射 54

3.5.1 實驗目的 55

3.5.2 實驗要求 55

3.5.3 實驗原理 55

3.5.4 實驗步驟 56

3.5.5 實驗結果 57

習題 59

參考文獻 60

機器學習與深度學習

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條