定 價(jià):69 元
叢書(shū)名:普通高等教育人工智能專(zhuān)業(yè)系列教材
當(dāng)前圖書(shū)已被 19 所學(xué)校薦購(gòu)過(guò)!
查看明細(xì)
- 作者:盧官明
- 出版時(shí)間:2021/8/1
- ISBN:9787111685111
- 出 版 社:機(jī)械工業(yè)出版社
- 中圖法分類(lèi):TP181
- 頁(yè)碼:242
- 紙張:
- 版次:
- 開(kāi)本:16開(kāi)
本書(shū)是一本淺顯易懂的機(jī)器學(xué)習(xí)入門(mén)教材,深入淺出地介紹了機(jī)器學(xué)習(xí)的基礎(chǔ)理論、模型與經(jīng)典方法,并適當(dāng)融入了深度學(xué)習(xí)的前沿知識(shí)。全書(shū)共9章,主要內(nèi)容包括:機(jī)器學(xué)習(xí)概述、回歸模型(線性回歸、多項(xiàng)式回歸、嶺回歸、套索回歸、彈性網(wǎng)絡(luò)、邏輯斯諦回歸、Softmax回歸)、k*近鄰和kd樹(shù)算法、支持向量機(jī)、貝葉斯分類(lèi)器與貝葉斯網(wǎng)絡(luò)、決策樹(shù)、集成學(xué)習(xí)(AdaBoost、GBDT、隨機(jī)森林和極端隨機(jī)樹(shù))、聚類(lèi)(k均值算法、BIRCH算法、DBSCAN算法、OPTICS算法)、深度學(xué)習(xí)(卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成式對(duì)抗網(wǎng)絡(luò))。每章都附有小結(jié)與習(xí)題,便于讀者對(duì)知識(shí)的鞏固和融會(huì)貫通。
本書(shū)注重選材,內(nèi)容豐富,條理清晰,通俗易懂,著重突出機(jī)器學(xué)習(xí)方法的思想內(nèi)涵和本質(zhì),力求反映機(jī)器學(xué)習(xí)領(lǐng)域的核心知識(shí)體系和發(fā)展趨勢(shì)。
本書(shū)可作為高等院校智能科學(xué)與技術(shù)、數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、電子信息類(lèi)等專(zhuān)業(yè)的高年級(jí)本科生、研究生的教材或教學(xué)參考書(shū),也可供人工智能、數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)相關(guān)行業(yè)的工程技術(shù)人員學(xué)習(xí)參考。
前言
第1章機(jī)器學(xué)習(xí)概述1
1.1機(jī)器學(xué)習(xí)的概念與基本術(shù)語(yǔ)1
1.2人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)三者的關(guān)系6
1.3機(jī)器學(xué)習(xí)的三個(gè)基本要素11
1.4機(jī)器學(xué)習(xí)模型的分類(lèi)16
1.5數(shù)據(jù)預(yù)處理24
1.6模型選擇與評(píng)估29
1.7小結(jié)43
1.8習(xí)題43
第2章回歸模型45
2.1線性回歸45
2.2多項(xiàng)式回歸53
2.3線性回歸的正則化——嶺回歸和套索回歸54
2.4邏輯斯諦回歸58
2.5 Softmax回歸61
2.6小結(jié)63
2.7習(xí)題64
第3章 k-最近鄰和k-d樹(shù)算法66
3.1 k-最近鄰法66
3.2 k-d樹(shù)70
3.3小結(jié)75
3.4習(xí)題76
第4章 支持向量機(jī)77
4.1統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)77
4.2支持向量機(jī)的基本原理和特點(diǎn)84
4.3線性SVM90
4.4基于核函數(shù)的非線性SVM95
4.5多分類(lèi)SVM96
4.6支持向量機(jī)的訓(xùn)練100
4.7小結(jié)104
4.8習(xí)題105
第5章 貝葉斯分類(lèi)器與貝葉斯網(wǎng)絡(luò)106
5.1貝葉斯方法106
5.2貝葉斯分類(lèi)器113
5.3貝葉斯網(wǎng)絡(luò)119
5.4小結(jié)128
5.5習(xí)題129
第6章 決策樹(shù)130
6.1概述130
6.2決策樹(shù)學(xué)習(xí)134
6.3特征(或?qū)傩裕┻x擇135
6.4 ID3算法144
6.5 C4.5算法145
6.6CART算法146
6.7決策樹(shù)的剪枝149
6.8決策樹(shù)的優(yōu)缺點(diǎn)150
6.9小結(jié)151
6.10習(xí)題151
第7章 集成學(xué)習(xí)153
7.1集成學(xué)習(xí)概述153
7.2 AdaBoost算法159
7.3梯度提升決策樹(shù)(GBDT)160
7.4隨機(jī)森林和極端隨機(jī)樹(shù)163
7.5小結(jié)166
7.6習(xí)題168
第8章 聚類(lèi)169
8.1聚類(lèi)概述169
8.2 k-均值算法175
8.3 BIRCH算法178
8.4基于密度的聚類(lèi)算法183
8.5小結(jié)190
8.6習(xí)題191
第9章 深度學(xué)習(xí)192
9.1人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)192
9.2卷積神經(jīng)網(wǎng)絡(luò)207
9.3循環(huán)神經(jīng)網(wǎng)絡(luò)218
9.4生成式對(duì)抗網(wǎng)絡(luò)226
9.5小結(jié)238
9.6習(xí)題239
附錄 縮略語(yǔ)英漢對(duì)照240
參考文獻(xiàn)242