机器学习应用实战
配有源代码、数据集、教学课件、教学大纲,基础理论与实战案例相结合。咨询QQ:2301891038(仅限教师)。

作者:刘袁缘 李圣文 方芳 主编 周顺平 万波 蒋良孝 叶亚琴 杨林 左泽均 副主编

丛书名:大数据与人工智能技术丛书

定价:49.9元

印次:1-4

ISBN:9787302597452

出版日期:2022.04.01

印刷日期:2024.01.23

图书责编:陈景辉

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

本书将基础理论和案例实战相结合,循序渐进地介绍了关于机器学习领域中的经典和流行算法,全面、系统地介绍了使用Python实现机器学习算法,并通过PyTorch框架实现机器学习算法中的深度学习内容。第一部分为基础篇,包括第1~8章,系统地介绍了机器学习基础、数据预处理、简单分类算法、决策树、支持向量机、回归分析、聚类分析、神经网络与多层感知机; 第二部分为综合篇,包括第9~12章,介绍了CNN、RNN、GNN及GAN等经典深度学习方法及其在计算机视觉与自然语言处理领域中的应用实践; 第三部分为拓展篇,包括第13~15章,以百度飞桨和旷视天元为例介绍了具有代表性的国产开源框架及其应用案例,最后简要介绍了国内外两个主流机器学习竞赛平台。 本书主要面向广大从事数据分析、机器学习、数据挖掘或深度学习的专业人员,从事高等教育的专任教师,高等学校的在读学生及相关领域的科研人员。

刘袁缘,主要研究计算机视觉、跨模态情感计算、机器学习。CCF和IEEE会员,中国图像图形学会CSIG专委会委员,香港中文大学(深圳)客座副研究员。发表重要国际学术会议和期刊论文30余篇,出版学术专著2部,入选中国博士后优秀学术文库。先后主持国家面上基金和青年基金、武汉市科技局项目、航天基金预研项目。目前担任《Pattern recognition》、《Multimedia and tools application》、《IEEE Transactions on Automation Science and Engineering》、《 International Journal of Remote Sensing》、《IEEE Access》、FCS、《计算机学报》《测绘学报》等期刊和国际会议审稿人。

前言 近年来,随着大数据技术、机器学习、数据挖掘、数据科学以及人工智能等领域的发展与兴起,掀起一场新的技术革命,各行各业对机器学习相关人才的需求也随之而来。机器学习作为数学与计算机的交叉学科,旨在培养集数学分析和计算机编程于一体的优秀人才,适应于当前人工智能的高速发展。 本书的编写旨在帮助大量对机器学习和数据挖掘应用感兴趣的读者朋友,整合并应用时下最流行的基于Python语言的机器学习程序库,如scikitlearn、PyTorch等; 针对现实中的科研问题,甚至是企业案例、Kaggle竞赛(当前最流行的机器学习竞赛平台)中的应用任务,快速搭建有效的机器学习系统。 本书每一章都描述一个经典的机器学习方法及其实践案例。作者在充分讲解了方法的理论基础上,进一步通过应用案例手把手地教读者如何搭建一个机器学习模型及其应用。本书力求减少读者对编程技能和数学知识的过分依赖,进而降低理解本书与应用机器学习模型的门槛,并试图让更多的兴趣爱好者体会到使用经典模型以及更前沿的深度学习模型的乐趣。 本书主要内容 本书可被视为一本以问题为导向的书籍,非常适合具备一定数学基础和计算机编程基础的读者学习。读者可以在短时间内学习本书中介绍的所有算法。 作为一本关于机器学习应用实战的书籍,本书分为三部分,包括基础篇、综合篇和拓展篇,共15章。 第一部分为基础篇,包括第1~8章。 第1章为机器学习基础,首先简要阐述机器学习的相关任务,并对机器学习中常用的术语进行了讲解; 然后介绍了机器学习最常用的编程语言与环境,展示了Python的安装、使用方法和PyTorch框架。 第2章为数据预...

目录
荐语
查看详情 查看详情
目录

第一部分基础篇

第1章机器学习基础

1.1机器学习概述

1.1.1机器学习任务

1.1.2重要概念

1.1.3性能评估

1.2编程语言与环境

1.2.1Python简介

1.2.2Python环境配置与安装

1.2.3Python机器学习编程库

1.2.4PyTorch框架

第2章数据预处理

2.1数据清洗

2.1.1缺失值处理

2.1.2离群值检测

2.2数据转换

2.2.1数字化

2.2.2离散化

2.2.3正规化

2.2.4数值转换

2.3数据压缩

2.3.1降维

2.3.2实例选择和采样

2.4应用案例: 基于PCA的数据降维 

2.4.1数据集

2.4.2PCA降维

2.4.3案例结果及分析

第3章简单分类算法

3.1朴素贝叶斯分类算法

3.2KNN分类算法

3.2.1KNN算法实现原理

3.2.2KNN算法实现步骤

3.2.3KNN算法优缺点

3.3应用案例: KNN分类

3.3.1数据集

3.3.2构建KNN分类器

3.3.3案例结果及分析

第4章决策树

4.1决策树模型

4.2特征选择

4.2.1特征和数据划分

4.2.2划分标准

4.3决策树生成算法

4.3.1ID3决策树生成算法

4.3.2C4.5决策树生成算法

4.4CART算法

4.4.1决策... 查看详情

(1)以问题为导向,对基础理论知识点与算法演练进行详细讲解。

(2)实战案例丰富,涵盖15完整项目案例。

(3)代码详尽,避免对 API 的形式展示,规避重复代码。

(4)语言简明易懂,由浅入深带你学会 Python 以及机器学习常见算法。

(5)各个算法相对独立,数学原理相对容易理解。

查看详情