本書聚焦食品科學技術未來發(fā)展需求，將機器學習算法與食品科學技術緊密融合。以Python作為主要編程語言，依托NumPy、Matplotlib和Pandas等數據庫，詳細介紹卷積神經網絡、樸素貝葉斯、人工神經網絡、隨機森林、決策樹、線性回歸、K最近鄰等核心算法。同時，以茶葉、水產品、食用菌、咖啡、掛面、魔芋葡甘聚糖水凝膠、預制菜等多個食品創(chuàng)新產業(yè)為例，全面系統(tǒng)地介紹了機器學習算法在食品科學領域的應用進展，為機器學習算法在食品科學研究領域的進一步發(fā)展提供了理論依據和技術支撐。
更多科學出版社服務，請掃碼獲取。
目錄
第1章 緒論1
1.1 機器學習簡史1
1.2 機器學習的應用4
1.3 機器學習算法的實現6
1.4 食品科學9
參考文獻15
第2章 機器學習算法17
2.1 機器學習算法簡介17
2.2 機器學習算法分類21
2.3 經典算法模型26
參考文獻31
第3章 NumPy數據分析基礎33
3.1 NumPy特點33
3.2 NumPy組成37
3.3 NumPy數據函數應用39
參考文獻49
第4章 Matplotlib數據可視化基礎50
4.1 Matplotlib特點51
4.2 Matplotlib組成53
4.3 Matplotlib應用58
參考文獻72
第5章 Pandas數據處理與分析73
5.1 Pandas特點73
5.2 Pandas組成79
5.3 Pandas應用81
參考文獻88
第6章 卷積神經網絡算法模型在茶葉生產加工及風味品質預測中的應用89
6.1 茶葉概述89
6.2 花果茶90
6.3 茉莉花茶94
6.4 卷積神經網絡算法模型在花果茶生產加工中的應用100
6.5 卷積神經網絡算法模型在茉莉花茶物理預測上的應用102
6.6 卷積神經網絡算法模型在茉莉花茶化學指標預測上的應用106
6.7 卷積神經網絡算法模型在茉莉花茶微生物指標預測上的應用110
參考文獻112
第7章 樸素貝葉斯算法模型在水產品中的應用115
7.1 水產品的特點115
7.2 水產品的分類117
7.3 樸素貝葉斯算法模型的質譜離子化效率預測模型120
參考文獻128
第8章 人工神經網絡算法模型在食用菌中的應用130
8.1 食用菌的特點130
8.2 食用菌的分類135
8.3 人工神經網絡算法模型在靈芝中的應用136
參考文獻139
第9章 隨機森林算法模型在咖啡加工處理中的應用140
9.1 咖啡的分類140
9.2 影響咖啡的因素142
9.3 基于隨機森林算法模型的質譜離子化效率預測模型147
參考文獻151
第10章 決策樹算法模型在掛面中的應用153
10.1 掛面檢測153
10.2 決策樹156
參考文獻159
第11章 線性回歸算法在魔芋葡甘聚糖水凝膠中的應用160
11.1 魔芋葡甘聚糖水凝膠增強機理160
11.2 基于魔芋葡甘聚糖水凝膠的導電水凝膠實現方法164
11.3 線性回歸算法166
參考文獻169
第12章 K最近鄰算法在預制菜中的應用170
12.1 預制菜產業(yè)概述170
12.2 K最近鄰算法在預制菜產業(yè)發(fā)展中的應用176
參考文獻180
書單推薦
