作 者:肖漢光,夏清玲 編
定 價:59.8
出 版 社:清華大學出版社
出版日期:2023年07月01日
頁 數:292
裝 幀:平裝
ISBN:9787302627296
《機器學習》有兩大特色。一是注重實踐,書中每個算法都包括算法原理、算法步驟、實戰講解和實驗練習幾部分,讀者通過實戰可以加深對算法的理解,提高應用算法來解決問題的能力。二是注重入門基礎,本書逐一講解模型評估、分類問題、回歸問題、聚類問題、降維問題這幾大類機器學習的基礎算法,幫助讀者築牢機器學習的理論根基,此後遇到相關問題都可以通過這幾類算法及其組合來解決。
●第1章環境搭建
1.1實驗環境的安裝與搭建
1.1.1Anaconda的下載
1.1.2Anaconda的安裝
1.1.3檢驗
1.1.4啟動
1.2數據清洗和預處理
1.2.1原理簡介
1.2.2算法步驟
1.2.3實戰
1.2.4實驗
第2章模型評估
2.1模型評估的樣本集構建與評價
2.1.1原理簡介
2.1.2樣本集的構建方法
2.1.3算法步驟
……
本書繫統介紹機器學習的理論、模型和算法實現,主要內容包括機器學習實驗環境的搭建、數據清洗、模型評估、監督學習的分類和回歸問題、非監督學習的聚類和降維等理論介紹和底層算法實現。本書涵蓋了K近鄰算法、決策樹、支持向量機、BP神經網絡、卷積神經網絡、循環神經網絡、集成學習、K-means聚類、模糊聚類、主成分分析、獨立成分分析等內容。每章均基於實戰項目或案例介紹模型和算法的兩種實現(scikit-learn、Keras或TensorFlow的調包實現與非調包底層代碼實現),並給出相應的實驗題目,以此加深讀者對模型和算法的理解,提升讀者對模型和算法的底層代碼實現能力。本書適合作為人工智能專業高年級本科生和研究生的教材,也可作為人工智能相關領域研究人員的自學教材。