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

• 暂无课件
• 样章下载
• 暂无网络资源

扫描二维码
下载APP了解更多

版权图片链接