计算机
类型
可以朗读
语音朗读
141千字
字数
2018-01-01
发行日期
展开全部
主编推荐语
本书涵盖Matlab基础、数据预处理、机器学习算法编程应用。
内容简介
本书主要分为三大部分：第一部分Matlab基本知识讲解，使读者学会使用最基本的功能，便于后续应用；第二部分介绍数据的预处理方法，所有的数据在机器学习之前都需要进行数据的预处理，包括降维、归一化等；第三部分介绍各类机器学习算法及Matlab编程应用。
目录
- 封面页
- 书名页
- 版权页
- 内容简介
- 前言
- 目录
- 第一部分 机器学习概念篇
- 第1章 机器学习基础
- 1.1 机器学习概述
- 1.1.1 机器学习的概念
- 1.1.2 机器学习的发展史
- 1.1.3 机器学习的用途
- 1.1.4 机器学习、数据挖掘及人工智能的关系
- 1.2 机器学习基本术语
- 1.3 机器学习任务及算法分类
- 1.4 如何学习和运用机器学习
- 1.4.1 软件平台的选择
- 1.4.2 机器学习应用实现流程
- 1.5 数据预处理
- 1.5.1 数据初步选取
- 1.5.2 数据清理
- 1.5.3 数据集成
- 1.5.4 数据变换
- 1.5.5 数据归约
- 参考文献
- 第二部分 MATLAB机器学习基础篇
- 第2章 MATLAB基础入门
- 2.1 MATLAB界面介绍
- 2.2 矩阵赋值与运算
- 2.3 m文件及函数实现与调用
- 2.4 基本流程控制语句
- 2.5 基本绘图方法
- 2.5.1 二维绘图函数的基本用法
- 2.5.2 三维绘图函数的基本用法
- 2.5.3 颜色与形状参数列表
- 2.5.4 图形窗口分割与坐标轴
- 2.6 数据文件导入与导出
- 参考文献
- 第3章 MATLAB机器学习工具箱
- 3.1 工具箱简介
- 3.2 分类学习器基本操作流程
- 3.3 分类学习器算法优化与选择
- 3.3.1 特征选择
- 3.3.2 选择分类器算法
- 3.4 工具箱分类学习实例
- 参考文献
- 第三部分 机器学习算法与MATLAB实践篇
- 第4章 k近邻算法
- 4.1 k近邻算法原理
- 4.1.1 k近邻算法实例解释
- 4.1.2 k近邻算法的特点
- 4.2 基于k近邻算法的算法改进
- 4.2.1 快速KNN算法
- 4.2.2 k-d树KNN算法
- 4.3 k近邻算法的MATLAB实践
- 参考文献
- 第5章 决策树
- 5.1 决策树算法原理
- 5.1.1 决策树算法基本原理
- 5.1.2 决策树算法的特点
- 5.1.3 决策树剪枝
- 5.1.4 分类决策树与回归决策树
- 5.2 基于决策树算法的算法改进
- 5.2.1 ID3决策树
- 5.2.2 C4.5决策树
- 5.2.3 分类回归树
- 5.2.4 随机森林
- 5.3 决策树算法MATLAB实践
- 参考文献
- 第6章 支持向量机
- 6.1 支持向量机算法原理
- 6.1.1 支持向量机概述
- 6.1.2 支持向量机算法及推导
- 6.1.3 支持向量机核函数
- 6.2 改进的支持向量机算法
- 6.3 支持向量机算法的MATLAB实践
- 参考文献
- 第7章 朴素贝叶斯
- 7.1 贝叶斯定理
- 7.2 朴素贝叶斯分类
- 7.3 朴素贝叶斯实例分析
- 7.4 朴素贝叶斯分类算法的改进
- 7.4.1 半朴素贝叶斯分类模型
- 7.4.2 树增强朴素贝叶斯分类模型
- 7.4.3 贝叶斯网络
- 7.4.4 朴素贝叶斯树
- 7.4.5 属性加权朴素贝叶斯分类算法
- 7.5 朴素贝叶斯算法MATLAB实践
- 参考文献
- 第8章 线性回归
- 8.1 线性回归原理
- 8.1.1 简单线性回归
- 8.1.2 线性回归实例
- 8.2 多元线性回归
- 8.3 线性回归算法的MATLAB实践
- 参考文献
- 第9章 逻辑回归
- 9.1 逻辑回归原理
- 9.1.1 Sigmoid函数
- 9.1.2 梯度下降法
- 9.2 逻辑回归理论推导
- 9.2.1 逻辑回归理论公式推导
- 9.2.2 向量化
- 9.2.3 逻辑回归算法的实现步骤
- 9.2.4 逻辑回归的优缺点
- 9.3 逻辑回归算法的改进
- 9.3.1 逻辑回归的正则化
- 9.3.2 主成分改进的逻辑回归方法
- 9.4 逻辑回归的MATLAB实践
- 参考文献
- 第10章 神经网络
- 10.1 神经网络算法原理
- 10.1.1 神经网络工作原理
- 10.1.2 神经网络的特点
- 10.1.3 人工神经元模型
- 10.2 前向神经网络
- 10.2.1 感知器
- 10.2.2 BP算法
- 10.3 基于神经网络的算法拓展
- 10.3.1 深度学习
- 10.3.2 极限学习机
- 10.4 神经网络的MATLAB实践
- 参考文献
- 第11章 AdaBoost算法
- 11.1 集成学习方法简介
- 11.1.1 集成学习方法分类
- 11.1.2 集成学习Boosting算法
- 11.2 AdaBoost算法原理
- 11.2.1 AdaBoost算法思想
- 11.2.2 AdaBoost算法理论推导
- 11.2.3 AdaBoost算法的实现步骤
- 11.2.4 AdaBoost算法的特点
- 11.2.5 通过实例理解AdaBoost算法
- 11.3 AdaBoost算法的改进
- 11.3.1 RealAdaBoost算法
- 11.3.2 GentleAdaBoost算法
- 11.3.3 LogitBoost算法
- 11.4 AdaBoost算法的MATLAB实践
- 参考文献
- 第12章 k均值算法
- 12.1 k均值算法原理
- 12.1.1 k均值算法基本原理
- 12.1.2 k均值算法的实现步骤
- 12.1.3 k均值算法实例
- 12.1.4 k均值算法的特点
- 12.2 基于k-means算法的算法改进
- 12.2.1 改善k值选取方式的k-means改进算法
- 12.2.2 改进初始聚类中心选择方式的k-means改进算法
- 12.3 k-means算法的MATLAB实践
- 参考文献
- 第13章 期望最大化算法
- 13.1 EM算法
- 13.1.1 EM算法思想
- 13.1.2 似然函数和极大似然估计
- 13.1.3 Jensen不等式
- 13.1.4 EM算法理论和公式推导
- 13.1.5 EM算法的收敛速度
- 13.1.6 EM算法的特点
- 13.2 EM算法的改进
- 13.2.1 Monte Carlo EM算法
- 13.2.2 ECM算法
- 13.2.3 ECME算法
- 13.3 EM算法的MATLAB实践
- 参考文献
- 第14章 k中心点算法
- 14.1 经典k中心点算法——PAM算法
- 14.1.1 PAM算法原理
- 14.1.2 PAM算法实例
- 14.1.3 PAM算法的特点
- 14.2 k中心点算法的改进
- 14.3 k中心点算法的MATLAB实践
- 参考文献
- 第15章 关联规则挖掘的Apriori算法
- 15.1 关联规则概述
- 15.1.1 关联规则的基本概念
- 15.1.2 关联规则的分类
- 15.2 Apriori算法原理
- 15.3 Apriori算法的改进
- 15.3.1 基于分片的并行方法
- 15.3.2 基于hash的方法
- 15.3.3 基于采样的方法
- 15.3.4 减少交易个数的方法
- 15.4 Apriori算法的MATLAB实践
- 参考文献
- 第16章 高斯混合模型
- 16.1 高斯混合模型原理
- 16.1.1 单高斯模型
- 16.1.2 高斯混合模型
- 16.1.3 模型的建立
- 16.1.4 模型参数的求解
- 16.2 GMM算法的MATLAB实践
- 16.2.1 生成一个高斯混合模型
- 16.2.2 拟合GMM
- 16.2.3 GMM聚类实例
- 16.3 GMM的改进及MATLAB实践
- 16.3.1 GMM的正则化
- 16.3.2 GMM中k的选择问题
- 16.3.3 GMM拟合的初始值选择问题
- 参考文献
- 第17章 DBSCAJ算法
- 17.1 DBSCAN算法原理
- 17.1.1 DBSCAN算法的基本概念
- 17.1.2 DBSCAN算法原理
- 17.1.3 DBSCAN算法的实现步骤
- 17.1.4 DBSCAN算法的优缺点
- 17.2 DBSCAN算法的改进
- 17.2.1 DPDGA算法
- 17.2.2 并行DBSCAN算法
- 17.3 DBSCAN算法的MATLAB实践
- 参考文献
- 第18章 策略迭代和值迭代
- 18.1 基本概念
- 18.1.1 强化学习的基本模型
- 18.1.2 马尔可夫决策过程
- 18.1.3 策略
- 18.1.4 值函数
- 18.1.5 贝尔曼方程
- 18.2 策略迭代算法原理
- 18.3 值迭代算法原理
- 18.4 策略迭代和值迭代算法的MATLAB实践
- 参考文献
- 第19章 SARSA算法和Q学习算法
- 19.1 SARSA算法原理
- 19.2 SARSA算法的MATLAB实践
- 19.3 Q学习算法原理
- 19.4 Q学习算法的MATLAB实践
- 参考文献
- 彩插
- 附录CD
展开全部
评分及书评
评分不足
1个评分
出版方
清华大学出版社
清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。
