人工智能 类型
可以朗读 语音朗读
138千字 字数
2022-04-01 发行日期
展开全部

主编推荐语

微软一线工程师带你入门机器学习，让你知其然并知其所以然。

内容简介

本书面向初学者，介绍了机器学习的基本方法，循序渐进的阐述了其中的数学原理，让读者能够知其然，然后知其所以然。书中结合应用场景，列举了大量编程实例帮助读者开展动手实践，理论与实践相辅相成，对算法原理产生更加直观和感性的认识。

作者希望能够通过本书帮助读者揭开人工智能领域的神秘面纱，走进人工智能和机器学习的大门，了解其中的奥秘，甚至成为该领域的学习者、研究者和实践者。

目录

  • 版权信息
  • 序言
  • 前言
  • 第一部分
  • 第1章 专家系统
  • 1.1 早期的专家系统
  • 1.2 正向推理
  • 1.3 逆向推理
  • 1.4 谓词逻辑
  • 1.5 专家系统的贡献和困难
  • 1.6 动手实践
  • 参考文献
  • 第2章 决策树
  • 2.1 分类问题
  • 2.2 构造决策树
  • 2.3 ID3算法
  • 2.4 信息熵
  • 2.5 基尼不纯度
  • 2.6 动手实践
  • 参考文献
  • 第3章 神经元和感知机
  • 3.1 生物神经元
  • 3.2 早期感知机模型
  • 3.3 现代的模型
  • 3.4 学习模型参数
  • 3.5 动手实践
  • 参考文献
  • 第4章 线性回归
  • 4.1 线性回归概述
  • 4.2 最小二乘法
  • 4.3 矩阵形式
  • 4.4 一般性的回归问题
  • 4.5 动手实践
  • 第5章 逻辑斯蒂回归和分类器
  • 5.1 分类问题
  • 5.2 最大似然估计
  • 5.3 交叉熵损失函数
  • 5.4 多类别分类
  • 5.5 分类器的决策边界
  • 5.6 支持向量机
  • 5.7 动手实践
  • 参考文献
  • 第二部分
  • 第6章 人工神经网络
  • 6.1 异或问题和多层感知机
  • 6.2 反向传播算法
  • 6.3 深度神经网络
  • 6.4 卷积和池化
  • 6.5 循环神经网络
  • 6.6 使用PyTorch软件包
  • 6.7 动手实践
  • 6.8 物体检测
  • 参考文献
  • 第7章 集成学习
  • 7.1 随机森林
  • 7.2 自适应增强算法AdaBoost
  • 7.3 梯度提升算法
  • 7.4 偏差和方差
  • 7.5 动手实践
  • 参考文献
  • 第8章 聚类分析
  • 8.1 有监督学习和无监督学习
  • 8.2 K均值聚类
  • 8.3 距离的度量
  • 8.4 期望最大化算法
  • 8.5 高斯混合模型
  • 8.6 DBSCAN算法
  • 8.7 SOM神经网络
  • 8.8 动手实践
  • 参考文献
  • 第9章 强化学习
  • 9.1 马尔可夫决策过程
  • 9.2 值函数
  • 9.3 蒙特卡洛法
  • 9.4 时间差分法
  • 9.5 深度值网络DQN
  • 9.6 动手实践
  • 参考文献
  • 第10章 自然语言处理
  • 10.1 隐马尔可夫模型
  • 10.2 维特比算法
  • 10.3 词向量的表示方法
  • 10.4 循环神经网络
  • 10.5 动手实践
  • 参考文献
展开全部

评分及书评

评分不足
2个评分

出版方

机械工业出版社有限公司

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。