機器學(xué)習及應用（在線(xiàn)實(shí)驗+在線(xiàn)自測）簡(jiǎn)介，目錄書(shū)摘

編輯推薦:內容新穎，可操作性強，層層深入，簡(jiǎn)明易懂。從實(shí)用角度出發(fā)，重點(diǎn)培養動(dòng)手解決問(wèn)題的能力。
提供體系完整的在線(xiàn)實(shí)驗，即學(xué)即練，書(shū)網(wǎng)結合。
不拘泥于機器學(xué)習的理論算法，注重機器學(xué)習的具體應用。

內容簡(jiǎn)介:本書(shū)詳細地介紹了機器學(xué)習的基本原理，并采用“原理簡(jiǎn)述+問(wèn)題實(shí)例+實(shí)際代碼+運行結果”的模式介紹常用算法。全書(shū)共11章，主要包括決策樹(shù)、神經(jīng)網(wǎng)絡(luò )、支持向量機、貝葉斯分類(lèi)器、集成學(xué)習、聚類(lèi)、降維等內容。

作者簡(jiǎn)介:李克清，男，博士，教授，蘇州大學(xué)碩士生導師，中國礦業(yè)大學(xué)碩士生導師，中國計算機學(xué)會(huì )會(huì )員，江蘇省計算機學(xué)會(huì )監事。

目錄:第 1章　導論　1
1．1　引言　1
1．2　基本術(shù)語(yǔ)　2
1．3　概念學(xué)習與假設空間　3
1．4　歸納偏好　4
1．5　經(jīng)驗誤差與過(guò)擬合　5
1．6　模型評估與選擇　5
1．7　性能度量　6
1．8　發(fā)展歷程　8
1．9　應用現狀　10
習題1　11
第　2章 Python初步　12
2．1　Python概述　12
2．2　NumPy庫介紹　12
2．2．1　ndarray對象　12
2．2．2　ufunc函數　14
2．2．3　常用函數庫　15
2．3　Matplotlib庫介紹　19
2．3．1　快速繪制二維圖表　19
2．3．2　Artist對象　21
2．3．3　配置屬性　24
2．3．4　繪制三維圖表　24
2．4　SciPy庫函數　26
2．4．1　線(xiàn)性代數模塊　26
2．4．2　優(yōu)化和擬合模塊　28
2．4．3　統計模塊　30
2．4．4　稀疏矩陣模塊　32
2．5　scikit-learn庫函數　35
2．5．1　sklearn．datasets　35
2．5．2　模型選擇與評價(jià)　36
2．5．3　scikit-learn的機器學(xué)習　44
習題2　46
第3章　決策樹(shù)　48
3．1　引言　48
3．1．1　決策樹(shù)的基本思想　48
3．1．2　決策樹(shù)的構造　49
3．1．3　決策樹(shù)的算法框架　54
3．1．4　信息增益　54
3．2　ID3決策樹(shù)　57
3．2．1　ID3算法　57
3．2．2　ID3的實(shí)現　59
3．3　C4．5決策樹(shù)　63
3．3．1　C4．5算法　63
3．3．2　C4．5的實(shí)現　64
3．4　sklearn與回歸樹(shù)　68
3．4．1　回歸算法原理　68
3．4．2　最小剩余方差法　69
3．4．3　剪枝策略　69
3．4．4　sklearn實(shí)現　70
習題3　72
第4章　神經(jīng)網(wǎng)絡(luò )　73
4．1　引言　73
4．1．1　人工神經(jīng)網(wǎng)絡(luò )的發(fā)展歷程　73
4．1．2　人工神經(jīng)網(wǎng)絡(luò )的特點(diǎn)　74
4．1．3　人工神經(jīng)網(wǎng)絡(luò )的分類(lèi)　75
4．2　神經(jīng)元模型　75
4．3　感知機與多層神經(jīng)網(wǎng)絡(luò )　77
4．3．1　感知機　77
4．3．2　梯度下降法　81
4．3．3　隨機梯度下降法　85
4．3．4　多層神經(jīng)網(wǎng)絡(luò )　86
4．4　誤差反向傳播算法　90
4．4．1　BP神經(jīng)網(wǎng)絡(luò )學(xué)習算法　90
4．4．2　BP神經(jīng)網(wǎng)絡(luò )實(shí)驗　93
4．5　玻耳茲曼機　95
4．5．1　BM的拓撲結構　96
4．5．2　BM的學(xué)習過(guò)程　96
4．6　綜合案例　99
習題4　101
第5章　支持向量機　103
5．1　引言　103
5．2　線(xiàn)性分類(lèi)　104
5．2．1　函數間隔與幾何間隔　104
5．2．2　對偶問(wèn)題　107
5．3　線(xiàn)性支持向量機　108
5．4　非線(xiàn)性支持向量機　111
5．4．1　核技巧　111
5．4．2　sklearn SVC　113
5．5　序列最小優(yōu)化算法　117
5．6　綜合案例　119
習題5　125
第6章　貝葉斯分類(lèi)器　127
6．1　引言　127
6．2　樸素貝葉斯分類(lèi)　128
6．2．1　樸素貝葉斯算法　128
6．2．2　樸素貝葉斯分類(lèi)算法　129
6．2．3　樸素貝葉斯分類(lèi)算法的Python實(shí)現　131
6．2．4　sklearn的樸素貝葉斯方法　135
6．3　極大似然估計　137
6．3．1　EM算法　138
6．3．2　EM算法步驟　140
6．3．3　三硬幣的EM求解　140
6．3．4　sklearn的EM方法　142
6．4　貝葉斯網(wǎng)絡(luò )　146
6．4．1　貝葉斯網(wǎng)絡(luò )的構造和學(xué)習　146
6．4．2　貝葉斯網(wǎng)絡(luò )應用舉例　147
習題6　150
第7章　集成學(xué)習　152
7．1　引言　152
7．2　Voting　153
7．3　Bagging　156
7．4　Boosting　161
7．4．1　AdaBoost法　161
7．4．2　Gradient Boosting　165
7．5　綜合案例　168
習題7　171
第8章　聚類(lèi)　172
8．1　引言　172
8．1．1　聚類(lèi)的概念　172
8．1．2　典型應用　172
8．1．3　常見(jiàn)算法分類(lèi)　172
8．1．4　聚類(lèi)算法中存在的問(wèn)題　173
8．2　距離計算　173
8．2．1　閔可夫斯基距離　173
8．2．2　歐幾里得距離　174
8．2．3　曼哈頓距離　174
8．2．4　切比雪夫距離　175
8．2．5　皮爾遜相關(guān)系數　175
8．2．6　余弦相似度　175
8．2．7　杰卡德相似系數　176
8．3　k-means聚類(lèi)　176
8．3．1　算法思想　176
8．3．2　輔助函數　177
8．3．3　編程實(shí)現k-means算法　178
8．3．4　scikit-learn中的k-means方法　179
8．3．5　算法評價(jià)　181
8．3．6　算法改進(jìn)k-means++　181
8．4　密度聚類(lèi)　182
8．4．1　密度聚類(lèi)算法思想　182
8．4．2　DBSCAN算法　182
8．4．3　密度峰值聚類(lèi)　185
8．5　層次聚類(lèi)　187
8．5．1　層次聚類(lèi)思想　187
8．5．2　層次聚類(lèi)實(shí)現　188
8．6　綜合實(shí)例　190
8．6．1　聚類(lèi)算法性能比較　190
8．6．2　算法總結　193
習題8　193
第9章　降維　195
9．1　引言　195
9．1．1　降維的概念　195
9．1．2　常見(jiàn)算法分類(lèi)　195
9．2　k-近鄰學(xué)習　196
9．2．1　算法實(shí)現　197
9．2．2　算法實(shí)例　199
9．2．3　算法關(guān)鍵　200
9．3　主成分分析　201
9．3．1　算法思想　201
9．3．2　算法實(shí)例　202
9．4　低維嵌入　205
9．4．1　算法原理　205
9．4．2　算法實(shí)例　206
9．4．3　算法評價(jià)　208
9．5　奇異值分解　209
9．5．1　SVD算法原理　209
9．5．2　SVD算法及應用示例　210
9．6　綜合實(shí)例　215
9．6．1　PCA實(shí)例　215
9．6．2　SVD實(shí)例　218
習題9　219
第　10章 概率圖模型　221
10．1　引言　221
10．2　馬爾科夫過(guò)程　222
10．2．1　基本概念　222
10．2．2　隱馬爾科夫模型　225
10．3　Viterbi算法　227
10．4　綜合案例　231
習題10　233
第　11章 深度學(xué)習初步　235
11．1　引言　235
11．2　表示問(wèn)題　235
11．3　學(xué)習問(wèn)題　236
11．4　優(yōu)化問(wèn)題　238
11．5　認知問(wèn)題　238
11．6　基本模型　239
11．6．1　自編碼器　239
11．6．2　受限玻耳茲曼機　240
11．6．3　卷積神經(jīng)網(wǎng)絡(luò )　242
11．7　TensorFlow的簡(jiǎn)介與安裝　243
11．7．1　Python 3環(huán)境　243
11．7．2　安裝TensorFlow　243
11．7．3　驗證　243
11．8　TensorFlow的基本使用　243
11．9　基于卷積神經(jīng)網(wǎng)絡(luò )的MNIST手寫(xiě)體識別實(shí)驗　245
11．9．1　conv2d函數　245
11．9．2　max_pool函數　246
11．9．3　示例程序　246
習題11　249
參考文獻　250