机器学习
23个实验与丰富的实战源码,适合快速入门机器学习。提供课件、咨询QQ:2301891038(仅限教师)。

作者:肖汉光 夏清玲 主编 黄同愿 刘智 李艳梅 王海琨 邹洋杨 姜彬 副主编

丛书名:计算机技术入门丛书

定价:59.8元

印次:1-1

ISBN:9787302627296

出版日期:2023.07.01

印刷日期:2023.07.14

图书责编:付弘宇

图书分类:教材

电子书
在线购买
分享
内容简介
作者简介
前言序言
资源下载
查看详情 查看详情 查看详情

《机器学习》系统介绍机器学习的理论、模型和算法实现,主要内容包括机器学习实验环境的搭建、数据清洗、模型评估、监督学习的分类和回归问题、非监督学习的聚类和降维等理论介绍和底层算法实现。本书涵盖了K近邻算法、决策树、支持向量机、BP神经网络、卷积神经网络、循环神经网络、集成学习、Kmeans聚类、模糊聚类、主成分分析、独立成分分析等内容。每章均基于实战项目或案例介绍模型和算法的两种实现(scikitlearn、Keras或TensorFlow的调包实现与非调包底层代码实现),并给出相应的实验题目,以此加深读者对模型和算法的理解,提升读者对模型和算法的底层代码实现能力。 适合作为人工智能专业高年级本科生和研究生的教材,也可作为人工智能相关领域研究人员的自学教材。

肖汉光,博士,教授,重庆理工大学两江人工智能学院智能科学系主任,主要从事人工智能、机器学习、模式识别等方面的研究工作。现为国家自然科学基金通讯评审专家,国际期刊同行评审专家,中国和美国计算机学会会员。主持和参与国际和国家自然科学基金项目5项,主持和参与省部级科研项目6项,主持横向项目2项。以第一作者发表SCI和EI论文约20篇。以主编身份编写著作和教材3部,授权国家发明专利6项。

前〓〓言 2017年,人工智能上升为我国国家发展战略,为人工智能领域的科学研究、技术应用、产业发展和经济社会繁荣带来了重大机遇和强大动力。人工智能已逐渐在智慧国防、智慧安保、智慧医疗、智慧家居、智慧交通、智慧工业、智慧农业等领域发挥着越来越重要的作用,成为推动国家发展的新引擎。全球主要发达国家,如美国、英国、日本、德国等,已纷纷制订了人工智能国家发展计划,力争抢占人工智能高地,实现跨越式发展。机器学习作为人工智能的重要分支和基石,其大量核心技术得到广泛应用,如人脸识别、目标检测、目标跟踪、图像分割、视觉导航、机器人路径规划和动作规划等。 人工智能领域的高素质人才已成为各国、各行业争夺的宝贵资源,特别是机器学习领域的人才十分匮乏,培养掌握机器学习核心技术的人才具有重要意义。机器学习理论知识是人工智能领域人才培养中必不可少的知识模块,其实践能力的培养尤为关键。目前,关于机器学习实战的图书已有许多,但大部分都是讲解如何利用scikitlearn、TensorFlow或PyTorch工具包实现机器学习或深度学习。此类图书对读者的应用能力有一定的培养作用,但是很难从根本上让读者掌握机器学习算法的底层实现,很难培养读者的底层开发能力和创新能力。人工智能业界常说“不要重复造轮子”,但我们应该“具备造轮子的能力”。针对这一问题,本书不仅讲解机器学习模型和算法的应用实例,还讲解算法底层代码的实现,重点培养读者从机器学习理论模型、算法到编码实践的基本功; 同时,注重机器学习实践的案例化和体系化,注重培养读者与机器学习相关的项目开发能力和工程实践能力。 本书共6章。第1章为...

课件下载

样章下载

暂无网络资源

扫描二维码
下载APP了解更多

目录
荐语
查看详情 查看详情

目〓〓录

第1章环境搭建

1.1实验环境的安装与搭建

1.1.1Anaconda的下载

1.1.2Anaconda的安装

1.1.3检验

1.1.4启动

1.2数据清洗和预处理

1.2.1原理简介

1.2.2算法步骤

1.2.3实战

1.2.4实验

第2章模型评估

2.1模型评估的样本集构建与评价

2.1.1原理简介

2.1.2样本集的构建方法

2.1.3算法步骤

2.1.4实战

2.1.5实验

2.2评估指标计算

2.2.1原理简介

2.2.2代码实现与实战

2.2.3实验

第3章分类问题

3.1K近邻算法

3.1.1原理简介

3.1.2算法步骤

3.1.3实战

3.1.4实验

3.2逻辑回归算法

3.2.1原理简介

3.2.2算法步骤

3.2.3实战

3.2.4实验

3.3决策树算法

3.3.1原理简介

3.3.2算法步骤

3.3.3实战

3.3.4实验

3.4支持向量机算法

3.4.1原理简介

3.4.2算法步骤

3.4.3实战

3.4.4实验

3.5EM算法

3.5.1原理简介

3.5.2算法步骤

3.5.3实战

3.5.4实验

3.6BP神经网络的分类和回归算法

3.6.1原理简介

3.6.2算法步骤

3.6.3实战

3....

《机器学习》有两大特色。一是注重实践,书中每个算法都包括算法原理、算法步骤、实战讲解和实验练习几部分,读者通过实战可以加深对算法的理解,提高应用算法来解决问题的能力。二是注重入门基础,本书逐一讲解模型评估、分类问题、回归问题、聚类问题、降维问题这几大类机器学习的基础算法,帮助读者筑牢机器学习的理论根基,此后遇到相关问题都可以通过这几类算法及其组合来解决。