首页 > 图书中心 >图书详情

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
定价:59.80
印次:1-1
ISBN:9787302627296
出版日期:2023.07.01
印刷日期:2023.07.14

《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。

more >

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章为环境搭建,包括实验环境的安装与搭建、数据清洗和预处理; 第2章为模型评估,包括模型评估的样本集构建与评估、评估指标计算; 第3章为分类问题,包括K近邻算法、逻辑回归算法、决策树算法、支持向量机算法、EM算法、BP神经网络的分类和回归算法、卷积神经网络分类算法、多类分类算法; 第4章为回归问题,包括线性回归算法、多项式回归算法、支持向量回归算法、循环神经网络算法、AdaBoost算法、随机森林算法; 第5章为聚类问题,包括Kmeans聚类算法、模糊聚类算法、基于密度聚类算法、层次聚类算法; 第6章为降维问题,包括主成分分析算法、独立成分分析算法。 全书设计了丰富的实验内容,除了讲解环境搭建的1.1节之外,每节都包括对应本节知识点的实战和实验,帮助读者深入理解、举一反三。 本书由重庆理工大学肖汉光、夏清玲担任主编,黄同愿、刘智、李艳梅、王海琨、邹洋杨、姜彬担任副主编。由于编者水平有限,书中难免存在一些错误和不当之处,敬请同行和各位读者批评指正。 编者 2023年3月

more >
扫描二维码
下载APP了解更多

同系列产品more >

大数据分析导论实验指导与习题集(...

金大卫 主编 沈计 易思
定 价:49.90元

查看详情
信息技术前沿

张凯 张雯婷
定 价:49元

查看详情
Web前端设计基础入门——HTML5、CS...

谢从华、高蕴梅
定 价:59.90元

查看详情
人工智能概论与Python编程基础信息...

杨国燕、马晓明、陈宇环
定 价:59.90元

查看详情
计算机导论(第3版·题库·微课视频...

吕云翔 李沛伦
定 价:59.80元

查看详情
图书分类全部图书
more >
  • 《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。

more >
  • 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....

精彩书评more >

标题

评论

版权所有(C)2023 清华大学出版社有限公司 京ICP备10035462号 京公网安备11010802042911号

联系我们 | 网站地图 | 法律声明 | 友情链接 | 盗版举报 | 人才招聘