首页 > 图书中心 > Python机器学习原理与实践(微课版)

前言

前言

国家《新一代人工智能发展规划》指出: 人工智能成为经济发展的新引擎,人工智能作为新一轮产业变革的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量,并创造新的强大引擎,重构生产、分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新需求,催生新技术、新产品、新产业、新业态、新模式,引发经济结构重大变革,深刻改变人类的生产、生活方式和思维模式,实现社会生产力的整体跃升。

机器学习是人工智能的一种途径或子集,它强调学习,而不是计算机程序。机器学习使用历史数据训练模型,训练完成之后得到一个训练好的模型,使用该模型可对新的数据做出判断或预测。

1. 本书编写特色

内容系统全面: 全面介绍机器学习的经典和主流算法。

原理浅显易懂: 循序渐进阐述各类机器学习算法原理。

原理实践结合: 每种机器学习模型都配套了对应的实践案例。

算法代码实现: 使用Python 3.6.x实现书中所有算法。

2. 本书内容组织

第1章: 机器学习。介绍机器学习的概念、机器学习的形式、构建机器学习系统的一般流程、机器学习的典型应用。

第2章: 机器学习的数学基础,介绍相似性和相异性的度量、基于梯度的优化方法、概率与统计基础、矩阵基础。

第3章: 不同格式数据的读取与写入,介绍使用csv模块读取和写入csv文件、使用pythondocx模块处理Word文档、Excel文件的读与写、pandas读写不同格式的数据、NumPy读写数据文件、读写JSON数据。

第4章: 数据预处理,介绍缺失值处理、噪声数据处理、数据规范化、数据离散化、数据规约、数据降维。

第5章: 回归,介绍回归的概念、回归处理流程、一元线性回归、多元线性回归、非线性回归、逻辑回归。

第6章: 决策树分类,介绍分类的一般流程、决策树的工作原理、最佳划分属性的度量、ID3决策树、C4.5决策树、CART决策树。第7章: 贝叶斯分类,介绍朴素贝叶斯分类原理与分类流程、高斯朴素贝叶斯分类、多项式朴素贝叶斯分类、伯努利朴素贝叶斯分类。

第8章: 支持向量机分类,介绍支持向量机分类原理、线性支持向量机、Python实现支持向量机。

第9章: 聚类,介绍k均值聚类、层次聚类、密度聚类。

第10章: 人工神经网络,介绍神经元、感知器、BP神经网络。

第11章: OpenCV图像识别,介绍图像表示、图像颜色模型、OpenCV计算机视觉库、OpenCV人脸检测、OpenCV人脸识别。

第12章: TensorFlow深度学习,介绍TensorFlow的常量与变量、TensorFlow的Tensor对象、TensorFlow的Operation对象、TensorFlow流程控制、TensorFlow卷积、使用TensorFlow对图像进行分类。

本书由曹洁、孙玉胜、张志锋、桑永宣、李璞、楚杨阳、贾连辉编写。

3. 本书适用范围

本书可作为高等院校计算机、人工智能、软件工程、信息管理等相关专业的机器学习课程教材,也可作为相关技术人员的参考用书。

在本书的编写和出版过程中得到郑州轻工业大学、清华大学出版社的大力支持和帮助,在此表示感谢。

本书在撰写过程中,参考了大量专业书籍和网络资料,在此向这些作者表示感谢。

由于编写时间仓促,编者水平有限,书中难免会有缺点和不足,热切期望专家和读者批评指正,在此表示感谢。如果您遇到任何问题,或有更多宝贵的意见,欢迎发送邮件至42675492@qq.com。

编者于郑州轻工业大学数据融合与知识工程实验室2022年1月

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