| 开本：16开 |
| 纸张：胶版纸 |
| 包装：平装-胶订 |
| 是否套装：否 |
| 国际标准书号ISBN：9787302680086 |
| 丛书名：计算机科学与技术丛书 |
| 所属分类：图书>计算机/网络>程序设计>Python |
编辑推荐
全面性 内容由浅入深，既有原理介绍，又有实战操作，使读者在实践中掌握相关知识，并为解决问题提供详细的方法。
实用性 理论与实践相结合，实例丰富，具有实用性，帮助读者理解机器学习的概念、原理和算法。
通俗性 用浅显易懂的语言介绍机器学习的相关内容，即使没有机器学习基础的读者也可以快速上手。
易学性 提供程序代码、教学课件等资源，获取方式详见前言。内容简介
是目前比较热门的编程语言，以简单易学、应用广泛、类库强大而著称，是实现机器学习算法的首选语言。《机器学习与应用案例》理论与实践相结合，基于 版本介绍机器学习的相关内容。全书共章，分别介绍了机器学习的基础知识、近邻法、数据降维、分类算法、回归算法、聚类算法、神经网络、推荐算法、频繁项集、数据预处理。通过本书的学习，读者可了解编程及在机器学习中的应用。
《机器学习与应用案例》可作为对和机器学习感兴趣的初学者的参考书，也可作为从事开发的广大科研人员、学者、工程技术人员的参考书，还可作为高等院校人工智能、计算机等相关专业的教材。
目 录
第章机器学习的基础知识
何谓机器学习
传感器和海量数据
机器学习的重要性
机器学习的表现
机器学习的主要任务
选择合适的算法
机器学习程序的步骤
综合分类
推荐系统和深度学习
推荐系统
深度学习
何为
使用软件的由来第章机器学习的基础知识
何谓机器学习
传感器和海量数据
机器学习的重要性
机器学习的表现
机器学习的主要任务
选择合适的算法
机器学习程序的步骤
综合分类
推荐系统和深度学习
推荐系统
深度学习
何为
使用软件的由来
为什么使用
设计定位
的优缺点
的应用
编程第一步
函数库基础
迭代器与生成器
迭代器
生成器
科学计算库
简介
的安装
文件
多线程
学习线程
线程模块
线程同步
线程优先级队列
小结
习题
第章近邻法
近邻法的三要素
值的选择
距离度量
分类决策规则
近邻法
树
什么是树
如何构建树
如何在树中搜索
实现树、近邻法
近邻实战配对判定
小结
习题
第章数据降维
维数灾难与降维
主成分分析
原理
算法
降维的两个准则
降维
核心思想
算法步骤
算法实现
降维
核主成分分析降维
流形学习降维
多维缩放降维
原理
算法
等度量映射降维
局部线性嵌入
原理
算法
非负矩阵分解
小结
习题
第章分类算法
逻辑回归
逻辑回归模型
梯度下降法
回归
因子分解机
逻辑回归算法的不足
因子分解机模型
算法中交叉项的处理
算法的求解
算法流程
实现模型
支持向量机
简介
线性可分支持向量机
函数间距和几何间距
线性支持向量机
非线性支持向量机
贝叶斯分类器
贝叶斯定理
相关的概念
常用贝叶斯分类器
随机森林
决策树分类器
分类树算法
各模型分类对比
小结
习题
第章回归算法
线性回归
基本线性回归
线性回归的最小二乘解法
牛顿法
局部加权线性回归
非线性回归
岭回归与回归
线性回归存在的问题
岭回归模型
回归模型
拟牛顿法
求解岭回归模型
小结
习题
第章聚类算法
算法
相似性的度量
算法原理
算法
亲和度聚类
聚类算法
向量
核函数
推导
在图像上的聚类
聚类
密度聚类原理
密度定义
密度聚类思想
聚类算法
小结
小结
习题
第章神经网络
感知机
感知机原理
感知机模型
感知机学习策略
感知机学习算法
神经网络
感知机的实现
神经网络
神经网络原理
神经网络的实现
径向基神经网络
径向基函数解决插值问题
正则化理论
正则化网络
广义网络
数据中心的监督学习算法
模糊神经网络
网络模型
学习算法
模糊神经网络的应用
小结
习题
第章推荐算法
协同过滤算法
协同过滤算法概述
协同过滤算法的分类
相似度的度量方法
基于用户的协同过滤算法
基于物品的协同过滤算法
基于矩阵分解的推荐算法
矩阵分解
基于矩阵分解的推荐算法
非负矩阵分解
基于图的推荐算法
二部图
由用户商品矩阵到二部图
算法
问题说明
协同作用
小结
习题
第章频繁项集
关联分析
支持度与置信度
穷举法
算法
算法简介
定理
算法应用
生成候选项集
算法
用树编码数据集
从树中挖掘频繁项
从新闻网站点击流中挖掘
算法
小结
习题
第章数据预处理
概述
为什么要对数据预处理
数据预处理的主要任务
数据清理
数据缺失
过滤数据
检测和过滤异常值
移除重复数据
处理缺失值
处理缺失值的方法
缺失值补全法
特征编码
数据标准化、正则化
特征选择
稀疏表示和字典学习
机器模型
损失函数和风险函数
模型评估
性能度量
索引的设置
小结
习题
参考文献
显示全部信息
全面性 内容由浅入深，既有原理介绍，又有实战操作，使读者在实践中掌握相关知识，并为解决问题提供详细的方法。
实用性 理论与实践相结合，实例丰富，具有实用性，帮助读者理解机器学习的概念、原理和算法。
通俗性 用浅显易懂的语言介绍机器学习的相关内容，即使没有机器学习基础的读者也可以快速上手。
易学性 提供程序代码、教学课件等资源，获取方式详见前言。内容简介
是目前比较热门的编程语言，以简单易学、应用广泛、类库强大而著称，是实现机器学习算法的首选语言。《机器学习与应用案例》理论与实践相结合，基于 版本介绍机器学习的相关内容。全书共章，分别介绍了机器学习的基础知识、近邻法、数据降维、分类算法、回归算法、聚类算法、神经网络、推荐算法、频繁项集、数据预处理。通过本书的学习，读者可了解编程及在机器学习中的应用。
《机器学习与应用案例》可作为对和机器学习感兴趣的初学者的参考书，也可作为从事开发的广大科研人员、学者、工程技术人员的参考书，还可作为高等院校人工智能、计算机等相关专业的教材。
目 录
第章机器学习的基础知识
何谓机器学习
传感器和海量数据
机器学习的重要性
机器学习的表现
机器学习的主要任务
选择合适的算法
机器学习程序的步骤
综合分类
推荐系统和深度学习
推荐系统
深度学习
何为
使用软件的由来第章机器学习的基础知识
何谓机器学习
传感器和海量数据
机器学习的重要性
机器学习的表现
机器学习的主要任务
选择合适的算法
机器学习程序的步骤
综合分类
推荐系统和深度学习
推荐系统
深度学习
何为
使用软件的由来
为什么使用
设计定位
的优缺点
的应用
编程第一步
函数库基础
迭代器与生成器
迭代器
生成器
科学计算库
简介
的安装
文件
多线程
学习线程
线程模块
线程同步
线程优先级队列
小结
习题
第章近邻法
近邻法的三要素
值的选择
距离度量
分类决策规则
近邻法
树
什么是树
如何构建树
如何在树中搜索
实现树、近邻法
近邻实战配对判定
小结
习题
第章数据降维
维数灾难与降维
主成分分析
原理
算法
降维的两个准则
降维
核心思想
算法步骤
算法实现
降维
核主成分分析降维
流形学习降维
多维缩放降维
原理
算法
等度量映射降维
局部线性嵌入
原理
算法
非负矩阵分解
小结
习题
第章分类算法
逻辑回归
逻辑回归模型
梯度下降法
回归
因子分解机
逻辑回归算法的不足
因子分解机模型
算法中交叉项的处理
算法的求解
算法流程
实现模型
支持向量机
简介
线性可分支持向量机
函数间距和几何间距
线性支持向量机
非线性支持向量机
贝叶斯分类器
贝叶斯定理
相关的概念
常用贝叶斯分类器
随机森林
决策树分类器
分类树算法
各模型分类对比
小结
习题
第章回归算法
线性回归
基本线性回归
线性回归的最小二乘解法
牛顿法
局部加权线性回归
非线性回归
岭回归与回归
线性回归存在的问题
岭回归模型
回归模型
拟牛顿法
求解岭回归模型
小结
习题
第章聚类算法
算法
相似性的度量
算法原理
算法
亲和度聚类
聚类算法
向量
核函数
推导
在图像上的聚类
聚类
密度聚类原理
密度定义
密度聚类思想
聚类算法
小结
小结
习题
第章神经网络
感知机
感知机原理
感知机模型
感知机学习策略
感知机学习算法
神经网络
感知机的实现
神经网络
神经网络原理
神经网络的实现
径向基神经网络
径向基函数解决插值问题
正则化理论
正则化网络
广义网络
数据中心的监督学习算法
模糊神经网络
网络模型
学习算法
模糊神经网络的应用
小结
习题
第章推荐算法
协同过滤算法
协同过滤算法概述
协同过滤算法的分类
相似度的度量方法
基于用户的协同过滤算法
基于物品的协同过滤算法
基于矩阵分解的推荐算法
矩阵分解
基于矩阵分解的推荐算法
非负矩阵分解
基于图的推荐算法
二部图
由用户商品矩阵到二部图
算法
问题说明
协同作用
小结
习题
第章频繁项集
关联分析
支持度与置信度
穷举法
算法
算法简介
定理
算法应用
生成候选项集
算法
用树编码数据集
从树中挖掘频繁项
从新闻网站点击流中挖掘
算法
小结
习题
第章数据预处理
概述
为什么要对数据预处理
数据预处理的主要任务
数据清理
数据缺失
过滤数据
检测和过滤异常值
移除重复数据
处理缺失值
处理缺失值的方法
缺失值补全法
特征编码
数据标准化、正则化
特征选择
稀疏表示和字典学习
机器模型
损失函数和风险函数
模型评估
性能度量
索引的设置
小结
习题
参考文献
显示全部信息