●章 數據、數學與機器學習0011.1 概述 / 0031.2 數學與機器學習 / 0051.3 數據與機器學習 / 0081.4 深度學習與強化學習 / 0141.5 本章小結 / 019第二章 分類與回歸0212.1 常用的分類方法 / 0242.2 分類的數學解釋 / 0322.3 回歸分析 / 0382.4 回歸分析的數學解釋 / 0412.5 本章小結 / 046第三章 特征選取0473.1 數據預處理的步驟 / 0503.2 數據預處理與特征提取 / 0573.3 主成分分析 / 0593.4 因子分析 / 0633.5 特征提取問題的數學解析 / 0673.6 本章小結 / 072第四章 聚 類0754.1 基本概念 / 0784.2 聚類的過程 / 0824.3 分析方法 / 0834.4 基於K-means算法的聚類規則 / 0884.5 聚類問題的數學解釋 / 0914.6 本章小結 / 094第五章 深度學習0975.1 概述 / 0995.2 神經網絡模型 / 1015.3 神經網絡學習方法 / 1035.4 神經網絡的數學解釋 / 1065.5 本章小結 / 111第六章 強化學習1136.1 樸素貝葉斯 / 1156.2 貝葉斯信念網 / 1186.3 動態貝葉斯網絡 / 1206.4 一般時序模型 / 1216.5 馬爾可夫模型 / 1316.6 本章小結 / 138第七章 計算流與自組織1417.1 信息流與計算流的結合 / 1437.2 學習中的自組織行為 / 1447.3 神經動力學與自組織 / 153參考文獻157卷
內容簡介
本書從數學優化的角度對目前人工智能的代表技術機器學習進行分析，解決了目前這一領域偏向應用，數學理論較弱的問題，從原理、數學解析兩個方面對特征提取、分類、聚類、神經網絡等進行了全面繫統的剖析。解決了目前人工智能領域偏向應用，數學理論較弱的問題，從原理解析、數學解析兩個方面對機器學習進行剖析。
人類對世界的認識是理論來源於實踐又服務於實踐的過程。作為對人類認知行為的近似，機器學習、深度學習和強化學習的過程也是認知來源於世界又服務於世界的過程。當離開人類的參與，這一行為完全由計算機自主實現時，這一過程表現為建立在機器學習、深度學習、強化學習（為表達方便，除非特別指出，采用機器學習代表三種學習形式，下同）基礎之上的自組織過程。 交換是經濟社會中一種常見的基本的經濟形式。現代交換經濟中，物理世界的產品流通過與信息流結合，將現實世界映射到數字的世界。機器學習又將這個數字的世界映射到有限維或無限維的空間中，局部的或整體的空間中，呈現出結構與結構之間的關繫。 人類最重要的兩個智能行為是學習和解決問題的能力。機器學習是讓計算機模擬和實現人類的學習，以獲取解決問題的知識。專家繫統是基於經驗的學習，也是機器學習的初級方式。專家繫統利用專家的知識來解決實際問題，解決問題的能力達到了專家水平。但是專家......
"
